Couvre trouver le chemin le plus court dans les graphiques dirigés efficacement en utilisant des approches algorithmiques et en discutant des problèmes connexes de NP-complet.
Explore le tri topologique, les graphes acycliques, les composants fortement connectés, l'algorithme magique, le graphe des composants, les réseaux de flux et leurs applications.
Explore l'apprentissage de données interconnectées à l'aide de graphiques, couvrant les défis, la conception du GNN, les paysages de recherche et la démocratisation du graphique ML.
Explore les regroupements de réseaux, les regroupements spectraux, l'algorithme des moyennes k, les propriétés des valeurs propres, l'estimation des modèles de blocs et la mesure de la similarité structurelle.