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/
