本文約1000字，建議閱讀5分鐘
通過(guò)研究潛在的圖結(jié)構(gòu)及其特征，向?qū)W生介紹機(jī)器學(xué)習(xí)技術(shù)和數(shù)據(jù)挖掘工具，從而獲得對(duì)各種網(wǎng)絡(luò)的“洞察”。
近日，據(jù)斯坦福大學(xué)Jure Leskovec推文，計(jì)算機(jī)系現(xiàn)在將斯坦福大學(xué)CS224W圖機(jī)器學(xué)習(xí)課程從線下搬到線上。
這門(mén)課程的主要目標(biāo)是：通過(guò)研究潛在的圖結(jié)構(gòu)及其特征，向?qū)W生介紹機(jī)器學(xué)習(xí)技術(shù)和數(shù)據(jù)挖掘工具，從而獲得對(duì)各種網(wǎng)絡(luò)的“洞察”。授課主要內(nèi)容是：表示學(xué)習(xí)與圖形神經(jīng)網(wǎng)絡(luò)、萬(wàn)維網(wǎng)算法、知識(shí)圖推理、疾病爆發(fā)檢測(cè)；社會(huì)網(wǎng)絡(luò)分析等。
在整體課程中，Jure Leskovec團(tuán)隊(duì)將其劃分為了20個(gè)單元，分別是：
圖機(jī)器學(xué)習(xí)簡(jiǎn)介、圖機(jī)器學(xué)習(xí)傳統(tǒng)方法、節(jié)點(diǎn)嵌入、link分析（PageRank）、節(jié)點(diǎn)分類(lèi)（標(biāo)簽傳播算法）、圖神經(jīng)網(wǎng)絡(luò)（GNN模型、空間設(shè)計(jì)）、圖神經(jīng)網(wǎng)絡(luò)的應(yīng)用、圖神經(jīng)網(wǎng)絡(luò)的原理、知識(shí)圖嵌入、知識(shí)圖推理、用GNNs進(jìn)行頻繁的子圖挖掘、網(wǎng)絡(luò)中的社區(qū)結(jié)構(gòu)（Community Structure in Networks）、傳統(tǒng)的圖形生成模型、.圖的傳統(tǒng)生成模型、圖的深度生成模型、GNN進(jìn)階、演講1（計(jì)算生物學(xué)的GNN）、演講2（GNN的工業(yè)應(yīng)用）、科學(xué)的GNN。
目前，課程視頻已經(jīng)有六節(jié)課放到B站上了，每節(jié)課10~30分鐘不等。更新仍在繼續(xù)，每周更新兩講。課程 PPT 已經(jīng)全部放出，在課程主頁(yè)亦可點(diǎn)擊下載。
YouTube地址：
https://www.youtube.com/playlist?list=PLoROMvodv4rPLKxIpqhjhPgdQy7imNkDn
http://web.stanford.edu/class/cs224w/
此外，有好心的小伙伴，還將此課程搬到了B站上，并且配有字幕和中文翻譯（機(jī)翻）
B站鏈接：
https://www.bilibili.com/video/BV1FV411J74L?from=search&seid=1135846809245117647
本課程由Jure Leskovec主講，配備一名顧問(wèn)和八名助教。這八名助教里，有五位是華人學(xué)子。其中，助教“頭頭”中文名叫尤佳軒，本科畢業(yè)于清華大學(xué)，師從朱軍教授。目前在斯坦福讀博，預(yù)計(jì)2022年畢業(yè)。
而Jure Leskovec是斯坦福大學(xué)計(jì)算機(jī)學(xué)院教授，也是graph2vec和GraphSAGE的作者之一。2018年有篇新聞報(bào)道，稱(chēng)其為“斯坦福大學(xué)最帥的教授”。Jure 還是獨(dú)角獸公司Pinterest的首席科學(xué)家以及Facebook總裁扎克伯格與妻子共同創(chuàng)辦的 Chan Zuckerberg Initiative 慈善基金會(huì)的首席調(diào)查員（Principal Investigator）。
據(jù) Google Scholar ，Jure Leskovec 發(fā)表論文 400 余篇，被引用次數(shù)超過(guò) 80000 次，h 指數(shù)為 114。其論文多次發(fā)表在 Nature、NeurIPS、KDD、ICML 等期刊和學(xué)術(shù)會(huì)議上，并兩次獲得 KDD 時(shí)間檢驗(yàn)獎(jiǎng)。
想要修習(xí)斯坦福CS224W，必須滿足以下條件：- 基礎(chǔ)計(jì)算機(jī)科學(xué)原理知識(shí)，能夠?qū)懗龊侠淼挠?jì)算機(jī)程序；
上課的第一周，教授也會(huì)帶學(xué)習(xí)概括復(fù)習(xí)以下上述必備知識(shí)。
此外，下列書(shū)籍可作為擴(kuò)展閱讀書(shū)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/
