第一期Graph Neural Network学习小组(旁听组)


About

近年来,深度学习的兴起在计算机视觉,自然语言处理等领域取得了重大成功。然而,这些应用场景里的数据较为结构化,实际生活里还有许多基于非欧式空间产生的非结构化数据,如社交网络、电商平台中用户与商品的交互信息。 人们希望将深度学习的方法扩展到这些领域里,图神经网络(Graph Neural Network)应运而生。图神经网络在推荐系统,网络分析等问题上也取得了很大的突破。在图神经网络的设计中,图的复杂性与不规则性带来了很多挑战。例如,图中的每个数据节点都会与图中其他数据样本相关,不再互相独立。每个节点的邻居数目也各不相同,给一些重要操作(如卷积)带来了一些困难。本课程以斯坦福大学CS224W: Machine Learning with Graphs为主要资料,每周由一个主讲人讲解,学员完成基于Google Colab的代码作业,了解熟悉图神经网络的理论基础与实际应用。

课程形式: 1. 课堂内容学习。被录取的组员(包括领队)每个人每周需要作为主讲人,对课程内容中的难点进行总结和讲解,并带领组员进行本周疑难讨论。每周讨论时长约为1-2个小时。 2. 班级成员讨论。学习小组成员进行个人学习, 完成对应的习题。小组成员可以将自己的代码上传到git,并且分享自己的repository来相互review代码。遇到问题可以随时在学习群里面讨论。对于全体成员均不确定或无法解决的难题, 助教提供阶段性指导。

学员组成:
组长(领队):一名(已到位);组员:12名(含组长),旁听组最多50人。

报名要求:
旁听组无要求,报名即可入场。

课程时间:
2021年7月3日至2021年9月25日

琪石学分: 0


Syllabus

部分学习大纲:

week topic

1 Chapter 1~2: Introduction & Traditional Methods for ML on Graphs

2 Chapter 3: Node Embeddings

3 Chapter 4: Link Analysis: Page Rank

4 Chapter 5: Label Propagation

5 Chapter 6: GNN Model

6 Chapter 7: GNN design space

7 Chapter 8-9: Applications of Graph Neural Networks / Theory of Graph Neural Networks

8 Chapter 10: Knowledge Graph Embedding

9 Chapter 11: Reasoning over knowledge Graphs

10 Chapter 12-13: Frequent Subgraph mining / Community Structure in Networks

11 Chapter 14-15: Generatieve Model / Deep Generative Models for Graphs

12 Chapter 16-17: Advanced Topics / Scaling up GNN

学习资料:
1. Stanford CS224w Winter 2021- http://web.stanford.edu/class/cs224w/ 2. Graph Representation Learning: https://www.cs.mcgill.ca/~wlh/grl_book/ 3. Stanford CS224w Fall 2019 - http://snap.stanford.edu/class/cs224w-2019/

...

Register or Login to apply!

...

Activity type: OnlineStudyGroups

Invite friends to join!

...


Announce date: March 26, 2021

Registration deadline: May 17, 2021

Start date: July 3, 2021

End date: Sept. 25, 2021

...

Leader: Not disclose

Maximum participants: 50

Maximum Applicants: 50

8 people already applied

...

Fee for premium members: 100.0

Fee for all others: 200.0


Copyright 2020 by Flash Kick In Consulting Inc. All Rights Reserved.