斯坦福CS246《大数据挖掘》2021课程开始了！Jure Leskovec大牛主讲，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CS246——大数据挖掘Mining Massive Data Sets，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。

本课程将讨论分析大量数据的数据挖掘和机器学习算法。重点是将MapReduce和Spark作为创建并行算法的工具，可以处理非常大量的数据。

主题包括: 频繁项目集和关联规则，高维数据中的近邻搜索，局部敏感哈希(LSH)，降维，推荐系统，聚类，链接分析，大规模有监督机器学习，数据流，结构化数据挖掘网络，网络广告。

01：课程介绍和MapReduce and Spark（Introduction; MapReduce and Spark） 02：频繁项集挖掘（Frequent Itemsets Mining） 03：局部敏感哈希（Locality-Sensitive Hashing I） 04：局部敏感哈希（Locality-Sensitive Hashing II） 05：聚类（Clustering） 06：降维 （Dimensionality Reduction） 07：推荐系统（Recommender Systems I） 08：推荐系统（Recommender Systems II） 09：PageRank（PageRank） 10：链接欺诈与社交网络导论（Link Spam and Introduction to Social Networks） 11：社区检测（Community Detection in Graphs） 12：图表示学习（Graph Representation Learning） 13：图神经网络 Graph Neural Networks 14：嵌入学习 Learning Embeddings 15：大规模机器学习（Large-Scale Machine Learning I） 16：数据流挖掘（Mining Data Streams I） 17：计算广告（Computational Advertising） 18：通过实验学习（Learning through Experimentation） 19：优化子模块功能（Optimizing Submodular Functions）