作者｜小舟、魔王

?來(lái)源｜機(jī)器之心

2021 年第一個(gè)月剛剛過(guò)半，有些學(xué)校的新學(xué)期就已經(jīng)開(kāi)始了。

圖是一種強(qiáng)大的數(shù)據(jù)結(jié)構(gòu)，可以用于建模許多真實(shí)世界的場(chǎng)景，圖能夠?qū)颖局g的關(guān)系信息進(jìn)行建模。但是真實(shí)圖的數(shù)據(jù)量龐大，動(dòng)輒上億節(jié)點(diǎn)、而且內(nèi)部拓?fù)浣Y(jié)構(gòu)復(fù)雜，很難將傳統(tǒng)的圖分析方法如最短路徑、DFS、BFS、PageRank 等算法應(yīng)用到這些任務(wù)上。因此有研究者提出將機(jī)器學(xué)習(xí)方法和圖數(shù)據(jù)結(jié)合起來(lái)，即圖機(jī)器學(xué)習(xí)，這逐漸成為近年來(lái)機(jī)器學(xué)習(xí)中的一股熱潮，特別是圖神經(jīng)網(wǎng)絡(luò)（GNN）。

此前，斯坦福大學(xué)計(jì)算機(jī)學(xué)院副教授 Jure Leskovec 等人開(kāi)了一門(mén)課程——CS224W，主題是圖機(jī)器學(xué)習(xí)。最近，CS224W 2021 冬季課程開(kāi)課了。

課程主頁(yè)：

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

這門(mén)課程主要聚焦分析大量圖時(shí)所面對(duì)的計(jì)算、算法和建模挑戰(zhàn)。通過(guò)研究底層圖結(jié)構(gòu)及其特征，學(xué)習(xí)者可以了解機(jī)器學(xué)習(xí)技術(shù)和數(shù)據(jù)挖掘工具，從而在多種網(wǎng)絡(luò)中有所發(fā)現(xiàn)。

這門(mén)課程涉及的主題包括：表征學(xué)習(xí)和圖神經(jīng)網(wǎng)絡(luò)；萬(wàn)維網(wǎng)算法；基于知識(shí)圖譜的推理；影響力最大化；疾病爆發(fā)檢測(cè)；社交網(wǎng)絡(luò)分析。

預(yù)備知識(shí)

學(xué)習(xí)者需要具備以下背景知識(shí)：

基礎(chǔ)計(jì)算機(jī)科學(xué)原理知識(shí)，能夠?qū)懗霾诲e(cuò)的計(jì)算機(jī)程序；

熟悉基礎(chǔ)概率論知識(shí)；

熟悉基礎(chǔ)線性代數(shù)知識(shí)。

課程會(huì)在開(kāi)始的幾周內(nèi)概述這些背景知識(shí)。

此外，課程網(wǎng)站還會(huì)定期放出講義和閱讀任務(wù)，下列書(shū)籍可作為閱讀書(shū)目：

• Graph Representation Learning 作者：William L. Hamilton；

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

• Network Science 作者：Albert-László Barabási

課程安排

2021 CS224W 冬季課程于 1 月 12 日正式開(kāi)課，3 月 21 日結(jié)課。課程 PPT 將于每節(jié)課之前提供。

1 月份的課程包括圖機(jī)器學(xué)習(xí)簡(jiǎn)介、圖機(jī)器學(xué)習(xí)傳統(tǒng)方法、節(jié)點(diǎn)嵌入、鏈接分析：PageRank、面向節(jié)點(diǎn)分類(lèi)的標(biāo)簽傳播算法和 GNN 模型的基本內(nèi)容。

2 月份的課程將講授圖神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)空間、應(yīng)用與理論，知識(shí)圖譜嵌入，基于知識(shí)圖譜的推理，借助 GNN 進(jìn)行頻繁子圖挖掘，網(wǎng)絡(luò)中的社區(qū)結(jié)構(gòu)，傳統(tǒng)圖生成模型。

3 月份課程的內(nèi)容主要包括圖深度生成模型、GNN 的擴(kuò)展、動(dòng)態(tài)圖上的學(xué)習(xí)、用于計(jì)算生物學(xué)的 GNN、科學(xué)領(lǐng)域的 GNN，以及 GNN 的行業(yè)應(yīng)用。

講師簡(jiǎn)介

課程主講人 Jure Leskovec 是斯坦福大學(xué)計(jì)算機(jī)科學(xué)副教授，也是圖表示學(xué)習(xí)方法 node2vec 和 GraphSAGE 的作者之一。他主要的研究興趣是社會(huì)信息網(wǎng)絡(luò)的挖掘和建模等，特別是針對(duì)大規(guī)模數(shù)據(jù)、網(wǎng)絡(luò)和媒體數(shù)據(jù)。據(jù) Google Scholar 顯示，Jure Leskovec 發(fā)表論文 400 余篇，被引用次數(shù)超過(guò) 77000 次，h 指數(shù)為 111。其論文多次發(fā)表在 Nature、NeurIPS、KDD、ICML 等期刊和學(xué)術(shù)會(huì)議上，并兩次獲得 KDD 時(shí)間檢驗(yàn)獎(jiǎng)。

此前，他還曾參與斯坦福知識(shí)圖譜課程的授課工作。

個(gè)人主頁(yè)：

https://cs.stanford.edu/people/jure/

????

現(xiàn)在，在「知乎」也能找到我們了

進(jìn)入知乎首頁(yè)搜索「PaperWeekly」

點(diǎn)擊「關(guān)注」訂閱我們的專(zhuān)欄吧

關(guān)于PaperWeekly

PaperWeekly 是一個(gè)推薦、解讀、討論、報(bào)道人工智能前沿論文成果的學(xué)術(shù)平臺(tái)。如果你研究或從事 AI 領(lǐng)域，歡迎在公眾號(hào)后臺(tái)點(diǎn)擊「交流群」，小助手將把你帶入 PaperWeekly 的交流群里。

總結(jié)

以上是生活随笔為你收集整理的2021斯坦福图机器学习课程CS224W开课了，Jure Leskovec主讲的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。