课程内容介绍
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,本课程着重分析大型网络,这些大型网络提出了一些计算,算法和建模方面的挑战。通过学习他们的底层网络结构和连接关系,向学生介绍了机器学习技术和数据挖掘工具,这些工具和数据挖掘工具易于揭示对社会,技术和自然世界的见解。
主题包括:食物链和金融市场的健壮性和脆弱性;万维网的算法;图神经网络和表示学习;识别生物网络中的功能模块;疾病爆发检测。
文末附本课程ppt及最新视频教程下载地址。
课程首页
http://web.stanford.edu/class/cs224w/index.html#content
课程主讲人及助教
本课程由GraphSage作者Jurij Leskovec亲自教授。
课程主题
基础条件
学生应具有以下背景:
具有基本的计算机科学原理知识,足以编写合理的计算机程序(例如,建议使用CS107或CS145或同等背景)
熟悉基本概率论(CS109或Stat116足够但不是必需的)
熟悉基本的线性代数(Math 51,Math 103,Math 113或CS 205中的任何一项都远远超出了必要)
课程大纲
课程视频及ppt资源下载地址
微信公众号“深度学习与NLP”回复关键字“graph19”获取下载地址。
往期精品内容推荐
Reza Zafarani经典教材-《社交媒体挖掘》PDF+随书课件打包分享
朋友,千万不能错过!13个自然语言处理的深度学习框架
DL实战课程推荐-从0到1构建一个Chatbot系统
AI、神经网络、机器学习、深度学习和大数据的核心知识备忘录分享
纯干货7 Domain Adaptation视频教程(附PPT)及经典论文分享
模型汇总15 领域适应性Domain Adaptation、One-shot/zero-shot Learning概述
免费教材分享-《理论计算机科学导论》-Boaz Barak
千万级中文公开免费聊天语料数据分享
Tensorflow官方视频课程-深度学习工具 TensorFlow入门
从入门到精通-Tensorflow深度强化学习课程
MIT AGI-Yoshua Bengio深度学习介绍
深度学习中Attention Mechanism详细介绍:原理、分类及应用