课程介绍

互联网是理解和模拟复杂社会、技术和生物系统的有力工具。随着在线社交网络的兴起以及生物学研究中大规模数据的普及，本课程专注于分析这些庞大的网络，因为它们在计算、算法和建模方面提出了许多挑战。通过探讨网络的基本结构和连接模式，本课程向学生介绍了机器学习技术和数据分析工具，这些工具可以帮助揭示有关社会、技术和自然界的重要见解。

课程的主题包括： - 食物链和金融市场的稳定性和脆弱性； - 万维网的算法； - 图神经网络和表示学习； - 生物网络中的功能模块识别； - 疾病爆发监测。

课程主页

访问网址：http://web.stanford.edu/class/cs224w/index.html#content

授课教师及助教

本课程由Jurij Leskovec亲自授课，他正是GraphSage的开发者。

课程主题

基础要求

为了更好地参与本课程，学生应具备以下背景：

• 基本的计算机科学知识，能够编写合理的程序（推荐具备CS107或CS145或同等水平的知识）；
• 对基本的概率论有所了解（CS109或Stat116已足够，但并非强制）；
• 熟悉基础的线性代数（Math 51, Math 103, Math 113或CS 205中的任何一门课程均可）。

课程大纲

课程视频及PPT资源下载地址

获取课程视频及PPT资料：https://www.toutiao.com/a1653360455969795

往期精品内容推荐

• Reza Zafarani的经典教材《社交媒体挖掘》的PDF版本及配套课件；
• 不容错过的13个自然语言处理的深度学习框架；
• 从零开始构建Chatbot系统的深度学习实战课程；
• AI、神经网络、机器学习、深度学习和大数据的核心知识点总结；
• 7个关于领域适应性的视频教程（附带PPT）及经典论文；
• 15个关于领域适应性、One-shot/zero-shot学习的概述；
• 免费教材《理论计算机科学导论》（作者：Boaz Barak）；
• 千万级别的中文公开聊天数据集；
• TensorFlow官方视频课程——深度学习入门；
• 从入门到精通的TensorFlow深度强化学习课程；
• MIT的AGI课程，由Yoshua Bengio讲解；
• 关于注意力机制的详细介绍：原理、分类及其应用。