Redian新闻
>
斯坦福CS224W《图机器学习》2023课程开始了!Jure Leskovec大牛主讲,附课程PPT下载

斯坦福CS224W《图机器学习》2023课程开始了!Jure Leskovec大牛主讲,附课程PPT下载

公众号新闻


MLNLP社区是国内外知名的机器学习与自然语言处理社区,受众覆盖国内外NLP硕博生、高校老师以及企业研究人员。
社区的愿景是促进国内外自然语言处理,机器学习学术界、产业界和广大爱好者之间的交流和进步,特别是初学者同学们的进步。
转载自 | 专知

【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。

复杂数据可以表示为对象之间的关系图。这种网络是模拟社会、技术和生物系统的基本工具。本课程着重于大量图的分析所特有的计算、算法和建模挑战。通过研究基础图结构及其特征,向学生介绍机器学习技术和数据挖掘工具,有助于揭示对各种网络的见解。

主题包括: 表示学习和图神经网络;万维网的算法;知识图推理;影响力最大化;疾病爆发检测,社会网络分析。


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12.3万的论文引用数量,H指数为132。

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:图机器学习介绍(Introduction to Machine Learning for Graphs)

02:传统图机器学习方法(Traditional Methods for ML on Graphs)

03:节点嵌入(Node Embeddings)

04:标签传播节点分类(Label Propagation for Node Classification)

05:图神经网络模型(Graph Neural Networks 1: GNN Model)

06:图神经网络:设计空间(Graph Neural Networks 2: Design Space)

07:图神经网络应用(Applications of Graph Neural Networks)

08:图神经网络理论(Theory of Graph Neural Networks)

09:知识图谱嵌入(Knowledge Graph Embeddings)

10:知识图谱推理(Reasoning over Knowledge Graphs)

11:基于GNNs的频繁子图挖掘(Frequent Subgraph Mining with GNNs)

12:网络社区结构(Community Structure in Networks)

13:传统图生成式模型(Traditional Generative Models for Graphs)

14:深度图生成式模型(Deep Generative Models for Graphs)

15:图神经网络高级主题(Advanced Topics on GNNs)

16:GNNs可扩展(Scaling Up GNNs)

16:可解释性(Explainability)

17:动态图学习( Learning on Dynamic Graphs)

18:GNNs科学应用(GNNs for Science)

19:GNNs特别主题(Special topics in GNNs)


4

『课程材料预览』

  • Graph Representation Learning by William L. Hamilton

  • Networks, Crowds, and Markets: Reasoning About a Highly Connected World by David Easley and Jon Kleinberg

  • Network Science by Albert-László Barabási


技术交流群邀请函

△长按添加小助手

扫描二维码添加小助手微信

请备注:姓名-学校/公司-研究方向
(如:小张-哈工大-对话系统)
即可申请加入自然语言处理/Pytorch等技术交流群

关于我们

MLNLP 社区是由国内外机器学习与自然语言处理学者联合构建的民间学术社区,目前已经发展为国内外知名的机器学习与自然语言处理社区,旨在促进机器学习,自然语言处理学术界、产业界和广大爱好者之间的进步。
社区可以为相关从业者的深造、就业及研究等方面提供开放交流平台。欢迎大家关注和加入我们。

微信扫码关注该文公众号作者

戳这里提交新闻线索和高质量文章给我们。
相关阅读
今天打了给65+的流感疫苗Chinese Courts Ask Divorcing Couples to Report Marital PropertyNature子刊文章:带映射和带结构之间的机器学习路线波兰境内落导弹,普京也许愿背锅美国宾州葛底斯堡国家军事公园, 晚秋田园书法欣赏刚用PPT排版,我的方案就中标了!(附PPT下载)17连板神话终结,大牛股突然闪崩!低估了!机器人都能考上斯坦福!超级AI产品问世!网友惊叹:见证历史!时隔七年的填坑之作:《机器学习数学》书稿PDF免费下载了肖乐群工作室2023课程介绍乔伊斯的这句“love loves to love love”,到底啥意思?Recovered From COVID, Young Chinese Gripped by Snow Fever苏纳克新提议:Alevel学生必修数学?IGCSE数学如何学习才能打好Alevel基础?一文带你入门图机器学习Chinese Teams in Turkey: Rescue Over but Relief Will Take Years读名言学英语:a reader lives a thousand lives before he dies.中国力量!厦门力量!Chinese rescuers save lives in quake-hit TurkiyeGitHub裁员10%,办公室全关,全体远程办公;微软必应集成ChatGPT下载量猛增10倍;谷歌出师不利市值蒸发超万亿|Q资讯YOLOv8来啦 | 详细解读YOLOv8的改进模块!YOLOv5官方出品YOLOv8,必卷!Shanghai Vows Greater Market Access for Economic RecoveryAs Couriers Fall Sick, Chinese Cities Ask Residents to Fill Inapt remove 和 apt purge: 有什么区别? | Linux 中国CV发论文的机会来了!南洋理工项目招生(仅限深度学习,AI,机器学习,迁移学习方向)清华最新《持续学习》综述,32页pdf详述持续学习理论、方法与应用综述2022傅雷翻译出版奖获奖者揭晓 Le palmarès du Prix Fu Lei 2022 dévoilé博士申请 | 帝国理工学院Stefan Vlask教授招收机器学习方向全奖博士生奇点已来,推进All on Serverless有哪些困难、如何破局?| 解读Serverless的2022上新!2022QS全美第一商学院都在学什么Web3课程?China’s Sluggish Inbound Travel Will Recover in 2023: ReportElon Musk 声称 Apple 威胁要把 Twitter 从 Apple Store 下架王树森、黎彧君、张志华《深度强化学习》正式出炉 | 包邮送10本!【福利升级,80k开卡奖励即将到期】信用卡推荐 | Chase Sapphire Reserve (CSR)克罗地亚首都萨格勒布(Zagreb),城市特色Less than a fifth of China’s executives are femaleMore Women Want Career Over Marriage, Having Kids: New Survey
logo
联系我们隐私协议©2024 redian.news
Redian新闻
Redian.news刊载任何文章,不代表同意其说法或描述,仅为提供更多信息,也不构成任何建议。文章信息的合法性及真实性由其作者负责,与Redian.news及其运营公司无关。欢迎投稿,如发现稿件侵权,或作者不愿在本网发表文章,请版权拥有者通知本网处理。