图(Graphs)描述了实体之间的两两关系,是社会科学、语言学、化学、逻辑学和物理学等许多不同领域中真实数据的基本表示方法。许多现实问题可以通过解决图上的计算任务来解决。例如,推断节点的属性、检测异常节点(例如垃圾邮件发送者或恐怖分子)、识别与疾病相关的基因以及向患者推荐药物,都可以归结为节点分类问题。
为了更好的解决这些图上的计算任务,学习好的图的表示尤为关键。近些年来,图深度学习,尤其是图神经网络算法展现了极强的学习图的表示的能力,并且促进了许多图上的计算任务的发展。本课程将介绍图深度学习的基础理论与前沿应用。
为了方便读者们学习图深度学习,机器之心最新一期线上分享邀请到密西根州立大学助理教授汤继良为大家直播分享《图深度学习:从基础模型到前沿应用》,同时也将在直播过程中抽取10名幸运观众赠书,欢迎大家关注学习。
分享主题:图深度学习:从基础模型到前沿应用
分享概要:
嘉宾简介:汤继良,密西根州立大学助理教授。在这之前,他曾担任雅虎研究院研究员,于2015年从亚利桑那州立大学取得博士学位。他在图特征选择、图表征学习、图深度学习以及它们在互联网和社交媒体上的应用方面做出了杰出贡献。
他曾经获得 SIGKDD新星奖(Rising Star Award)、Withrow杰出研究奖(Distinguished Withrow Research Award)、美国自然科学基金杰出青年奖(NSF Career Award)、IJCAI早期焦点人物演讲(IJCAI Early Career Talk)和包括KDD、WSDM等在内的7项领域知名会议的最佳(或提名)论文奖。他的博士论文获得SIGKDD最佳博士论文(KDD Best Dissertation)亚军和院长优秀博士论文奖(Dean’s Dissertation Award)。他是SIAM数据分析小组和ACM TKDD期刊的秘书长。他经常当任数据挖掘顶级会议的组织者和顶级期刊的编委。他的研究成果发表在领域顶级的期刊和会议上,现已获得了超过14,000多次的引用(H指数为60)和媒体的广泛关注和报道。
直播间:https://jmq.h5.xeknow.com/s/1i5srd
分享时间:4月22日(周四)20:00-21:00
在本次直播过程中,我们将从所有在直播间评论区提问的小伙伴中随机抽出10位送出《图深度学习》一本。
特别鸣谢