课程内容介绍
网络是建模复杂的社会，技术和生物系统的基本工具。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，本课程着重分析大型网络，这些大型网络提出了一些计算，算法和建模方面的挑战。通过学习他们的底层网络结构和连接关系，向学生介绍了机器学习技术和数据挖掘工具，这些工具和数据挖掘工具易于揭示对社会，技术和自然世界的见解。
主题包括：食物链和金融市场的健壮性和脆弱性；万维网的算法；图神经网络和表示学习；识别生物网络中的功能模块；疾病爆发检测。
文末附本课程ppt及最新视频教程下载地址。
课程首页
http://web.stanford.edu/class/cs224w/index.html#content
课程主讲人及助教
本课程由GraphSage作者Jurij Leskovec亲自教授。
课程主题
基础条件
学生应具有以下背景：
具有基本的计算机科学原理知识，足以编写合理的计算机程序（例如，建议使用CS107或CS145或同等背景）
熟悉基本概率论（CS109或Stat116足够但不是必需的）
熟悉基本的线性代数（Math 51，Math 103，Math 113或CS 205中的任何一项都远远超出了必要）
课程大纲
课程视频及ppt资源下载地址
微信公众号“深度学习与NLP”回复关键字“graph19”获取下载地址。
往期精品内容推荐
Reza Zafarani经典教材-《社交媒体挖掘》PDF+随书课件打包分享
AI、神经网络、机器学习、深度学习和大数据的核心知识备忘录分享
纯干货7 Domain Adaptation视频教程（附PPT）及经典论文分享
模型汇总15 领域适应性Domain Adaptation、One-shot/zero-shot Learning概述
