斯坦福CS224W《图机器学习》2024秋季开课了！Jure Leskovec大牛主讲，系统性讲述GNNs理论，附课程PPT下载

原始链接：

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

1 课程介绍

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14.5万的论文引用数量，H指数为142。

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：节点嵌入（Node Embeddings）

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

04:  GNNs通用视角（A general perspective on GNNs）

05：GNN增强与训练（GNN augmentation and training）

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

07：异质图（Heterogenous graphs）

08：知识图谱（Knowledge Graph）

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

10：快速神经子图匹配（ Fast neural subgraph matching）

11：图神经网络推荐（GNNs for recommenders）

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

13：图神经网络高级主题（Advanced Topics on GNNs）

14：图Transformers（ Graph Transformers）

15：扩展图（Scaling to large graphs）

16：几何深度学习（ Geometric deep learning）

17：链接预测与因果性（Link Prediction and Causality）

18：算法推理与GNNs（Algorithmic reasoning with GNNs）

29：结论 Conclusion

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