《图表示学习》报告，McGill助理教授Hamilton讲授，79页ppt

近年来，图表示学习的研究激增，包括深度图嵌入（deep graph embeddings）技术、卷积神经网络对图结构数据的泛化以及受置信传播启发的神经信息传递方法。

与此同时，图表示学习的这些进步促成了许多领域的最新成果，包括化学合成、3D 视觉、推荐系统、问题解答和社交网络分析等。

加拿大麦吉尔大学计算机科学助理教授 William Hamilton 的《图表示学习》（Graph Representation Learning）报告系统性介绍最新图表示学习的进展。

• 图表示学习的简史

• 两个理论范式

• 三个未决问题和一个重大挑战

视频：

William Hamilton 于 2018 年取得斯坦福大学计算机科学博士学位，现为加拿大麦吉尔大学计算机科学助理教授，同时还担任加拿大高等研究院（CIFAR）人工智能主席以及 Mila 魁北克 AI 研究所（Mila AI Institute of Quebec）成员。

附带：

【重磅】图神经网络新书《图表示学习》，140页pdf，William L. Hamilton-McGill University

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“GRL79” 可以获取《《图表示学习》报告，McGill助理教授Hamilton讲授，79页ppt》专知下载链接索引

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取5000+AI主题知识资源