【斯坦福大牛Jure Leskovec新课】CS224W:图机器学习,附课程PPT下载

【导读】本文为大家带来了一份斯坦福大学的最新课程CS224W——图机器学习,主讲人是斯坦福大牛Jure Leskovec,他是斯坦福大学计算机学院的副教授,也是图表示学习方法 node2vec 和 GraphSAGE 作者之一。


近年来,图神经网络(GNN)成为网络表示学习和分析的热点研究问题,其特点是将以神经网络为代表深度学习技术用于网络结构的建模与计算。图神经网络能够考虑网络中的节点、边及其附带的标签、属性和文本等信息,能够更好地利用网络结构进行精细建模和深度推理,已经被广泛用于自然语言处理、社会网络分析、推荐系统等领域。这个课程应该是近年来第一次全面总结图机器学习相关的课程,课程设置非常新颖也非常全面,包括近年来火热的图神经网络的局限和应用等等,课程全部的PPT 也已经放到网页上,希望做这方面研究的童鞋多多学习!



原始链接:

http://web.stanford.edu/class/cs224w/


1 课程介绍


网络是建模复杂的社会、技术和生物系统的基本工具。结合在线社交网络的出现和生物科学中大规模数据的可用性,本课程着重分析大规模网络,这些大型网络提供了一些计算、算法和建模方面的挑战。通过研究学生潜在的网络结构和相互联系,向他们介绍机器学习技术和数据挖掘工具,这些工具有助于揭示社会、技术和自然世界的真知灼见。


主题包括:食品网络和金融市场的健壮性和脆弱性;万维网算法;图形神经网络和表示学习;生物网络中功能模块的识别;疾病爆发检测。



2 讲师介绍






Jurij Leskovec


主讲人是图网络领域的大牛Jure Leskovec,是斯坦福大学计算机学院的副教授,也是图表示学习方法 node2vec 和 GraphSAGE 作者之一。在谷歌学术搜索(Google Scholar)上,Jure拥有接近4.5万的论文引用数量,H指数为84。


Leskovec的研究重点是对大型社会和信息网络进行分析和建模,以研究跨社会,技术和自然世界的现象。他专注于网络结构、网络演化、信息传播、影响和病毒在网络上的传播的统计建模。他所研究的问题是由大规模数据、网络和其他在线媒体引起的。他也致力于文本挖掘和机器学习的应用。


个人主页:https://cs.stanford.edu/~jure/


3 课程目录


01:课程介绍和图结构(Introduction; Structure of Graphs )

02:网络的性质和随机图模型(Properties of Networks and Random Graph Models )

03:网络中的Motifs 和结构特性(Motifs and Structural Roles in Networks )

04:网络中的社区结构(Community Structure in Networks)

05:谱聚类(Spectral Clustering )

06:消息传递和节点分类(Message Passing and Node Classificatio)

07:图表示学习(Graph Representation Learning)

08:图神经网络(Graph Neural Networks)

09:图神经网络:动手实践(Graph Neural Networks: Hands-on Session)

10:图的深度生成模型(Deep Generative Models for Graphs)

11:链接分析:网页排名(Link Analysis: PageRank)

12:网络效应和级联行为(Network Effects and Cascading Behavior)

13:概率传染和影响模型(Probabilistic Contagion and Models of Influence)

14:网络中的影响最大化(Influence Maximization in Networks)

15:网络中的异常检测(Outbreak Detection in Networks)

16:网络演化(Network Evolution)

17:知识图推理(Reasoning over Knowledge Graphs)

18:图神经网络的局限性(Limitations of Graph Neural Networks)

19:图神经网络的应用(Applications of Graph Neural Networks)


4 课程材料预览


可以访问幻灯片和项目报告存档的以前版本的课程网站: CS224W: Fall 2018 / CS224W: Fall 2017 / CS224W: Fall 2016 / CS224W: Fall 2015 / CS224W: Fall 2014 / CS224W: Fall 2013 / CS224W: Fall 2012 / CS224W: Fall 2011 / CS224W: Fall 2010


请关注专知公众号(点击上方蓝色专知关注

  • 后台回复“2019CS224” 就可以获取课程PPT的下载链接~ 


-END-
专 · 知


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专业干货知识教程视频资料和与专家交流咨询
点击“阅读原文”,了解使用专知,查看5000+AI主题知识资料
展开全文
Top
微信扫码咨询专知VIP会员