【课程推荐】斯坦福课程：图机器学习《CS224W: Machine Learning with Graphs(Stanford / Fall 2019)》by Jurij Leskovec

课程名称： CS224W: Machine Learning with Graphs

课程简介：

网络是对复杂的社会、技术和生物系统建模的基本工具。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，本课程重点分析提供了几个计算、算法和建模挑战的大规模网络。学生将学习机器学习技术和数据挖掘工具，通过研究其潜在的网络结构和相互联系，揭示对社会、技术和自然世界的洞察。

在本课程中，我们将介绍图机器学习技术，包括以下主题：

• 食品网络和金融市场的稳固性和脆弱性;
• 万维网的算法;
• 图神经网络与表示学习
• 生物网络功能模块的识别
• 疾病暴发检测。

课程部分大纲：

• 介绍：图结构
• 网络的性质和随机图模型
  • 复习课：Snap.py和谷歌云教程
• 网络中的主题和结构角色
• 网络中的社区结构
  • 复习线性代数，概率论和证明技术
• 谱聚类
• 消息传递和节点分类
• 图表示学习
• 图神经网络
• 图神经网络:动手练习
• 图的深层生成模型
• 链接分析:网页排名
• 网络效应和级联行为
• 概率传染和影响模型

讲师介绍：

Jurij Leskovec是斯坦福大学计算机科学副教授，研究侧重于分析和建模大型社区和信息网络，作为跨社区、技术和自然世界现象的研究。他侧重于网络结构的统计建模、网络演化、信息传播、网络影响和病毒。他所研究的问题是由大规模数据、网络和其他在线媒体引发的，同样从事文本挖掘和机器学习的应用。个人官网：https://cs.stanford.edu/~jure/

下载索引：链接：https://pan.baidu.com/s/1yvK49SCfmqIXkHMgNqRYYA；提取码：4rea