斯坦福大學2019秋季新課:圖機器學習,全部PPT下載
新智元報道
來源:stanford
編輯:肖琴
【新智元導讀】圖神經網路是近年AI研究的熱點。斯坦福大學2019秋季課程「Machine Learning with Graphs」一直備受好評,最近該課程的PPT、講義等資料大禮包已全部公開!現在戳右邊鏈接上新智元小程序了解更多!
斯坦福大學2019秋季新課「CS224W:圖機器學習」最近接近尾聲,課程的PPT、講義等資料大禮包也已全部放出!
本課程的主要講師是斯坦福大學計算機科學副教授Jurij Leskovec,聯合講師是計算機科學博士後研究員Michele Catasta。
Jurij Leskovec
Leskovec的研究專註於大型社交和信息網路的分析和建模,以研究跨社會、技術和自然世界的現象。他專註於網路結構的統計建模、網路演化、信息傳播、網路影響等。他所研究的問題由大規模數據、網路和其他在線媒體引起。他也致力於文本挖掘和機器學習的應用。
助教團隊:
課程簡介
網路是對複雜的社會、技術和生物系統建模的基本工具。結合在線社交網路的出現和生物科學中大規模數據的可用性,本課程重點分析大型網路,這些大型網路提出了計算上、演算法上和建模上的挑戰。通過學習其底層網路的結構和互聯,學生們將了解機器學習技術和數據挖掘工具,用於揭示對社會、技術和自然世界的洞察。
課程主題包括:食品網路和金融市場的穩健性和脆弱性;萬維網的演算法;圖神經網路與表示學習;識別生物網路中的功能模塊;疫情檢測。
課程內容:
1. 課程介紹;圖(Graphs)的結構
2. 網路的性質和隨機圖模型
複習課:Snap.py和Google Cloud教程
3. 網路中的主題和結構角色
4. 網路中的社區結構
複習課:線性代數,概率論和證明技術
5. 譜聚類
6. 消息傳遞和節點分類
7. 圖表示學習
8. 圖神經網路
9. 圖神經網路:動手練習
10. 圖的深度生成模型
11. 鏈接分析:PageRank
12. 網路效應和級聯行為
13. 概率傳染和影響力模型
14. 網路中的影響力最大化
15. 網路中的疫情檢測
16. 網路演化
17. 知識圖推理
18. 圖神經網路的局限性
19. 圖神經網路的應用
下面帶來第八章《圖神經網路》的課程PPT
完整PPT以及全部資料獲取地址:
http://web.stanford.edu/class/cs224w/