本文約1000字，建議閱讀5分鐘
通過研究潛在的圖結(jié)構(gòu)及其特征，向?qū)W生介紹機器學習技術(shù)和數(shù)據(jù)挖掘工具，從而獲得對各種網(wǎng)絡(luò)的“洞察”。
近日，據(jù)斯坦福大學Jure Leskovec推文，計算機系現(xiàn)在將斯坦福大學CS224W圖機器學習課程從線下搬到線上。
這門課程的主要目標是：通過研究潛在的圖結(jié)構(gòu)及其特征，向?qū)W生介紹機器學習技術(shù)和數(shù)據(jù)挖掘工具，從而獲得對各種網(wǎng)絡(luò)的“洞察”。授課主要內(nèi)容是：表示學習與圖形神經(jīng)網(wǎng)絡(luò)、萬維網(wǎng)算法、知識圖推理、疾病爆發(fā)檢測；社會網(wǎng)絡(luò)分析等。
在整體課程中，Jure Leskovec團隊將其劃分為了20個單元，分別是：
圖機器學習簡介、圖機器學習傳統(tǒng)方法、節(jié)點嵌入、link分析（PageRank）、節(jié)點分類（標簽傳播算法）、圖神經(jīng)網(wǎng)絡(luò)（GNN模型、空間設(shè)計）、圖神經(jīng)網(wǎng)絡(luò)的應用、圖神經(jīng)網(wǎng)絡(luò)的原理、知識圖嵌入、知識圖推理、用GNNs進行頻繁的子圖挖掘、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進階、演講1（計算生物學的GNN）、演講2（GNN的工業(yè)應用）、科學的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，在課程主頁亦可點擊下載。
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，配備一名顧問和八名助教。這八名助教里，有五位是華人學子。其中，助教“頭頭”中文名叫尤佳軒，本科畢業(yè)于清華大學，師從朱軍教授。目前在斯坦福讀博，預計2022年畢業(yè)。
而Jure Leskovec是斯坦福大學計算機學院教授，也是graph2vec和GraphSAGE的作者之一。2018年有篇新聞報道，稱其為“斯坦福大學最帥的教授”。Jure 還是獨角獸公司Pinterest的首席科學家以及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 80000 次，h 指數(shù)為 114。其論文多次發(fā)表在 Nature、NeurIPS、KDD、ICML 等期刊和學術(shù)會議上，并兩次獲得 KDD 時間檢驗獎。
- 基礎(chǔ)計算機科學原理知識，能夠?qū)懗龊侠淼挠嬎銠C程序；
上課的第一周，教授也會帶學習概括復習以下上述必備知識。
- 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/
