Resumo: Graph Neural Networks
🗺️ Grafo
→
📨 Message Passing × L
→
📐 Embeddings
→
🎯 Predição
Classe do nó
Existe aresta?
Classe do grafo
✅ 5 Conceitos-Chave
🗺️
Grafos modelam relações irregulares entre entidades do mundo real.
📨
Message passing: gather → aggregate → update. O coração das GNNs.
🎯
Atenção (GAT) aprende pesos diferentes por vizinho — nem todos importam igual.
📊
Tarefas principais: classificação de nós, predição de arestas e classificação de grafos (há várias outras tarefas em GNNs).
⚠️
Split cuidadoso: message edges ≠ supervision edges em link prediction.
🎛️ Demo: Selecione a Tarefa
Selecione uma tarefa acima para ver o pipeline