【公开课】斯坦福2019秋季课程：图机器学习资料全公开

点击上方，选择星标或置顶，每天给你送干货！

阅读大概需要5分钟

跟随小博主，每天进步一丢丢

赖可 发自 凹非寺
本文转载自：量子位（QbitAI）

斯坦福2019秋季课程CS224W：图机器学习一共19节课，PPT，讲义和阅读资料已经全部公开！

等不及的小伙伴可以到最底端“传送门”快梯直达，开始学习吧～

课程简介

课程内容

网络经常作为工具，来对复杂的社会，技术和生物系统进行建模。这门课程结合线上社交网络的生物科学中的大规模数据，来分析大型网络。这些大型网络提出了一些关于计算、算法和建模方面的挑战。

在课程中，可以学习到这些大型网络的底层网络结构和互连，了解机器学习技术和数据挖掘工具。这些技术和工具能够增进对社会，技术和自然世界的理解。

课程主题有：万维网的算法；图神经网络和表示学习；识别生物网络中的功能模块；疫情检测；食物网络和金融市场的稳健性和脆弱性。

大纲目录

1. 课程介绍；图(Graphs)的结构

2. 网络的性质和随机图模型
   复习课：Snap.py和Google Cloud教程

3. 网络中的主题和结构角色

4. 网络中的社区结构
   复习课：线性代数，概率论和证明技术

5. 谱聚类

6. 消息传递和节点分类

7. 图表示学习

8. 图神经网络

9. 图神经网络：动手练习

10. 图的深度生成模型

11. 链接分析：PageRank

12. 网络效应和级联行为

13. 概率传染和影响力模型

14. 网络中的影响力最大化

15. 网络中的疫情检测

16. 网络演化

17. 知识图推理

18. 图神经网络的局限性

19. 图神经网络的应用

讲师介绍和课前准备

课程有两名讲师，八位助教

主要讲师是斯坦福大学计算机科学副教授Jurij Leskovec。在此之前，他取得了卡内基梅隆大学计算机博士学位。

他的研究专注于大型社交和信息网络的分析与建模，以研究跨社会、技术和自然世界的现象。他专注于网络结构的统计建模、网络演化、信息传播、网络影响等。

他研究的问题由大规模数据、网络和其它线上媒体促发。他也致力于文本挖掘和机器学习的应用。

联合讲师是计算机科学博士后研究员Michele Catasta

需要的知识储备

基本的计算机科学原理知识，能够编写普通计算机程序
熟悉基本概率论
熟悉基本线性代数

推荐课前阅读

《网络、人群和市场：关于高度联通世界的思考》

近年来，公众对现代社会复杂的“联系”越来越着迷。这种联系体现在许多方面：互联网快速发展，全球交流的便捷程度，新闻和信息的能量，流行病和金融危机的传播。

这本书借鉴了经济学，社会学，计算机和信息科学以及应用数学的思想，描述了新兴的研究领域。

这些领域正在所有原有领域的交界处发展，并解决了有关社会，经济和技术世界如何连接的基本问题。

《网络社会》

这是一本网络科学的教科书，内容从可视化和交互工具到模拟和数据分析。印刷版于2015年由剑桥大学出版社出版。

传送门

课程主页可以下载PPT和每堂课的讲义
http://web.stanford.edu/class/cs224w/
《网络、人群和市场》
http://www.cs.cornell.edu/home/kleinber/networks-book/
《网络科学》
http://networksciencebook.com/

---

方便交流学习，备注： 昵称-学校（公司）-方向，进入DL&NLP交流群。

方向有很多： 机器学习、深度学习，python，情感分析、意见挖掘、句法分析、机器翻译、人机对话、知识图谱、语音识别等。

记得备注呦

推荐阅读：

【ACL 2019】腾讯AI Lab解读三大前沿方向及20篇入选论文

【一分钟论文】IJCAI2019 | Self-attentive Biaffine Dependency  Parsing

【一分钟论文】 NAACL2019-使用感知句法词表示的句法增强神经机器翻译

【一分钟论文】Semi-supervised Sequence Learning半监督序列学习

【一分钟论文】Deep Biaffine Attention for Neural Dependency Parsing

详解Transition-based Dependency parser基于转移的依存句法解析器

经验 | 初入NLP领域的一些小建议

学术 | 如何写一篇合格的NLP论文

干货 | 那些高产的学者都是怎样工作的？

一个简单有效的联合模型

近年来NLP在法律领域的相关研究工作

---

让更多的人知道你“在看”