了解更多！
斯坦福大学2019秋季新课“CS224W：图机器学习”最近接近尾声，课程的PPT、讲义等资料大礼包也已全部放出！
本课程的主要讲师是斯坦福大学计算机科学副教授Jurij Leskovec，联合讲师是计算机科学博士后研究员Michele Catasta。
Jurij Leskovec
Leskovec的研究专注于大型社交和信息网络的分析和建模，以研究跨社会、技术和自然世界的现象。他专注于网络结构的统计建模、网络演化、信息传播、网络影响等。他所研究的问题由大规模数据、网络和其他在线媒体引起。他也致力于文本挖掘和机器学习的应用。
助教团队：
课程简介
网络是对复杂的社会、技术和生物系统建模的基本工具。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，本课程重点分析大型网络，这些大型网络提出了计算上、算法上和建模上的挑战。通过学习其底层网络的结构和互联，学生们将了解机器学习技术和数据挖掘工具，用于揭示对社会、技术和自然世界的洞察。
课程主题包括：食品网络和金融市场的稳健性和脆弱性；万维网的算法；图神经网络与表示学习；识别生物网络中的功能模块；疫情检测。
课程内容：
1. 课程介绍；图(Graphs)的结构
2. 网络的性质和随机图模型
复习课：Snap.py和Google Cloud教程
3. 网络中的主题和结构角色
4. 网络中的社区结构
复习课：线性代数，概率论和证明技术
5. 谱聚类
6. 消息传递和节点分类
7. 图表示学习
8. 图神经网络
9. 图神经网络：动手练习
10. 图的深度生成模型
11. 链接分析：PageRank
12. 网络效应和级联行为
13. 概率传染和影响力模型
14. 网络中的影响力最大化
15. 网络中的疫情检测
16. 网络演化
17. 知识图推理
18. 图神经网络的局限性
19. 图神经网络的应用
下面带来第八章《图神经网络》的课程PPT
完整PPT以及全部资料获取地址：
http://web.stanford.edu/class/cs224w/
