【百度飞桨】图神经网络7日打卡营——学习笔记
图神经网络现在是非常火的领域,不仅仅在学术界,还是在应用方面。由于图具有很强的表达能力,且图作为非欧几里得空间数据在生活中广泛存在,因此这也促进了更多的研究者进行图神经网络的学习。以下是跟随【百度飞桨】图神经网络7日打卡营的学习笔记与心得。课程连接
课程目录
1.预习
- 第一课-Python快速入门
- 第二课-Notebook基础操作
- 第三课-PaddlePaddle快速入门
- PGL系列前置教程:图与图学习(上)
- PGL系列前置教程:图与图学习(中)
- PGL系列前置教程:图与图学习(下)
2.图学习初印象
-
图学习初印象
此部分是基础部分,介绍一些基础概念和基本原理,有助于后面知识的了解。图神经网络学习需要的基础:
1、数学基础
1.1 高等数学
1.2 线性代数
1.3 概率与数理统计
2、编程基础
2.1 python:numpy
2.2 Paddle
3、机器学习基础
3.1 神经网络
-
案例与补充
3.图游走类模型
- deepwalk与node2ve
- methpath2vec及其变种
- 实践与预告
DeepWalk游走代码讲解
4.图神经网络算法(一)
- GCN
- GAT与Message Pass
5.图神经网络算法(二)
- 图采样详解
- 邻居聚合
- GraphSage实践
6.图神经网络进阶模型
-
PGL节点分类基线系统
-
PGL节点分类基线系统-大神修改版
-
ERNIESage上
-
ERNIESage下+UniMP
-
ERNIESage代码解析
此部分对代码的核心部分进行了讲解
心得体会
1、学习与实践才能是掌握一门知识的最好方法,之前自己学习的时候一直停留在学习阶段,没有实践。通过这几天的打卡学习和按时提交作业,能够对知识进行很好的运用,能够加深对知识的理解。
2、了解了关于图神经网络哪些地方还可以深入研究,对于学术小白来说极其友好