斯坦福2019秋季明星課程：圖機器學習資料全公開

賴可 2019-12-13 19:46:19 來源：量子位

賴可 發自 凹非寺
量子位 報道 | 公眾號 QbitAI

斯坦福2019秋季課程CS224W：圖機器學習一共19節課，PPT，講義和閱讀資料已經全部公開！

等不及的小伙伴可以到最底端“傳送門”快梯直達，開始學習吧～

課程簡介

課程內容

網絡經常作為工具，來對復雜的社會，技術和生物系統進行建模。這門課程結合線上社交網絡的生物科學中的大規模數據，來分析大型網絡。這些大型網絡提出了一些關于計算、算法和建模方面的挑戰。

在課程中，可以學習到這些大型網絡的底層網絡結構和互連，了解機器學習技術和數據挖掘工具。這些技術和工具能夠增進對社會，技術和自然世界的理解。

課程主題有：萬維網的算法；圖神經網絡和表示學習；識別生物網絡中的功能模塊；疫情檢測；食物網絡和金融市場的穩健性和脆弱性。

大綱目錄

1. 課程介紹；圖(Graphs)的結構
2. 網絡的性質和隨機圖模型
   復習課：Snap.py和Google Cloud教程
3. 網絡中的主題和結構角色
4. 網絡中的社區結構
   復習課：線性代數，概率論和證明技術
5. 譜聚類
6. 消息傳遞和節點分類
7. 圖表示學習
8. 圖神經網絡
9. 圖神經網絡：動手練習
10. 圖的深度生成模型
11. 鏈接分析：PageRank
12. 網絡效應和級聯行為
13. 概率傳染和影響力模型
14. 網絡中的影響力最大化
15. 網絡中的疫情檢測
16. 網絡演化
17. 知識圖推理
18. 圖神經網絡的局限性
19. 圖神經網絡的應用

講師介紹和課前準備

課程有兩名講師，八位助教

主要講師是斯坦福大學計算機科學副教授Jurij Leskovec。在此之前，他取得了卡內基梅隆大學計算機博士學位。

他的研究專注于大型社交和信息網絡的分析與建模，以研究跨社會、技術和自然世界的現象。他專注于網絡結構的統計建模、網絡演化、信息傳播、網絡影響等。

他研究的問題由大規模數據、網絡和其它線上媒體促發。他也致力于文本挖掘和機器學習的應用。

聯合講師是計算機科學博士后研究員Michele Catasta

需要的知識儲備

基本的計算機科學原理知識，能夠編寫普通計算機程序
熟悉基本概率論
熟悉基本線性代數

推薦課前閱讀

《網絡、人群和市場：關于高度聯通世界的思考》

近年來，公眾對現代社會復雜的“聯系”越來越著迷。這種聯系體現在許多方面：互聯網快速發展，全球交流的便捷程度，新聞和信息的能量，流行病和金融危機的傳播。

這本書借鑒了經濟學，社會學，計算機和信息科學以及應用數學的思想，描述了新興的研究領域。

這些領域正在所有原有領域的交界處發展，并解決了有關社會，經濟和技術世界如何連接的基本問題。

《網絡社會》

這是一本網絡科學的教科書，內容從可視化和交互工具到模擬和數據分析。印刷版于2015年由劍橋大學出版社出版。

傳送門

課程主頁可以下載PPT和每堂課的講義
http://web.stanford.edu/class/cs224w/
《網絡、人群和市場》
http://www.cs.cornell.edu/home/kleinber/networks-book/
《網絡科學》
http://networksciencebook.com/