社区
教程
Wiki
注册
登录
创作新主题
社区所有版块导航
Python
python开源
Django
Python
DjangoApp
pycharm
DATA
docker
Elasticsearch
分享
问与答
闲聊
招聘
翻译
创业
分享发现
分享创造
求职
区块链
支付之战
aigc
aigc
chatgpt
WEB开发
linux
MongoDB
Redis
DATABASE
NGINX
其他Web框架
web工具
zookeeper
tornado
NoSql
Bootstrap
js
peewee
Git
bottle
IE
MQ
Jquery
机器学习
机器学习算法
Python88.com
反馈
公告
社区推广
产品
短视频
印度
印度
一周十大热门主题
用 Python 制作 13 个小游戏,边玩边学!(含源码)
机器学习学术速递[7.23]
机器学习学术速递[7.22]
罗氏半年报:终止开发TIGIT抗体、PD-1/IL-2
罗氏正式放弃TIGIT疗法
机器学习学术速递[7.24]
2025必看AI干货!《大模型/AIGC/GPT-4/Transformer/DL/KG/NLP/C...
机器学习学术速递[7.25]
2025年大厂薪资排名:百度垫底,字节阿里腾讯遥不可及 字节跳动:30万-50万,技术类应届生薪资...
【AI加油站】第三十四部:所有大模型领域学习者必读,没有之一!由深度学习三巨头联合撰写!(附下载)
关注
Py学习
»
机器学习算法
斯坦福2021版图机器学习课程完结,视频、PPT全放送,大神主讲
AI科技评论
• 4 年前 • 399 次点击
作者 | 维克多
近日,据斯坦福大学Jure Leskovec推文,计算机系现在将斯坦福大学CS224W图机器学习课程从线下搬到线上。
这门课程的主要目标是:通过研究潜在的图结构及其特征,向学生介绍机器学习技术和数据挖掘工具,从而获得对各种网络的“洞察”。
授课主要内容是:表示学习与图形神经网络、万维网算法、知识图推理、疾病爆发检测;社会网络分析等。
在整体课程中,Jure Leskovec团队将其划分为了20个单元,分别是:
图机器学习简介、图机器学习传统方法、节点嵌入、link分析(PageRank)、节点分类(标签传播算法)、图神经网络(GNN模型、空间设计)、图神经网络的应用、图神经网络的原理、知识图嵌入、知识图推理、用GNNs进行频繁的子图挖掘、网络中的社区结构(Community Structure in Networks)、传统的图形生成模型、.图的传统生成模型、图的深度生成模型、GNN进阶、演讲1(计算生物学的GNN)、演讲2(GNN的工业应用)、科学的GNN。
目前,课程视频已经有六节课放到B站上了,每节课10~30分钟不等。更新仍在继续,每周更新两讲。课程 PPT 已经全部放出,在课程主页亦可点击下载。
YouTube地址:
https://www.youtube.com/playlist?list=PLoROMvodv4rPLKxIpqhjhPgdQy7imNkDn
课程主页:
http://web.stanford.edu/class/cs224w/
此外,有好心的小伙伴,还将此课程搬到了B站上,并且配有字幕和中文翻译(机翻)
B站链接:
https://www.bilibili.com/video/BV1FV411J74L?from=search&seid=1135846809245117647
师资力量
本课程由Jure Leskovec主讲,配备一名顾问和八名助教。这八名助教里,有五位是华人学子。
其中,助教“头头”中文名叫尤佳轩,本科毕业于清华大学,师从朱军教授。目前在斯坦福读博,预计2022年毕业。
而Jure Leskovec是斯坦福大学计算机学院教授,也是graph2vec和GraphSAGE的作者之一。2018年有篇新闻报道,称其为“斯坦福大学最帅的教授”。Jure 还是独角兽公司Pinterest的首席科学家以及Facebook总裁扎克伯格与妻子共同创办的 Chan Zuckerberg Initiative 慈善基金会的首席调查员(Principal Investigator)。
据据 Google Scholar ,Jure Leskovec 发表论文 400 余篇,被引用次数超过 80000 次,h 指数为 114。其论文多次发表在 Nature、NeurIPS、KDD、ICML 等期刊和学术会议上,并两次获得 KDD 时间检验奖。
修课必知
想要修习斯坦福CS224W,必须满足以下条件:
基础计算机科学原理知识,能够写出合理的计算机程序;
了解基本概率论知识;
了解基本线性代数知识。
上课的第一周,教授也会带学习概括复习以下上述必备知识。
此外,下列书籍可作为扩展阅读书目:
Graph Representation Learning 作者:William L. Hamilton;
https://www.cs.mcgill.ca/~wlh/grl_book/
Networks, Crowds, and Markets: Reasoning About a Highly Connected World 作者:David Easley、Jon Kleinberg
http://www.cs.cornell.edu/home/kleinber/networks-book/
Network Science 作者:Albert-László Barabási
.
http://networksciencebook.com/
由于微信公众号试行乱序推送,您可能不再能准时收到AI科技评论的推送。为了第一时间收到AI科技评论的报道, 请将“
AI科技评论
”设为
星标账号
,以及常点文末右下角的“
在看
”。
Python社区是高质量的Python/Django开发社区
本文地址:
http://www.python88.com/topic/113739
399 次点击
登录后回复