• 学习时长

    八周/建议每周至少八小时

  • 答疑服务

    专属微信答疑群/讲师助教均参与

  • 作业批改

    部分章节设计作业/助教及时批改评优

  • 任务1: 【课前必看】如何写作业&提交作业&毕业优秀标准
  • 第1章: 卷积神经网络:从欧几里得空间到非欧几里得空间
  • 任务2: 【课件】第一节 从欧氏空间到非欧空间.pdf
  • 第1节: 人工神经网络发展浪潮
  • 任务3-1: 【视频】简介
  • 任务3-2: 【视频】卷积神经网络发展浪潮
  • 第2节: 卷积计算与卷积神经网络结构
  • 任务4-1: 【视频】卷积计算
  • 任务4-2: 【视频】卷积神经网络结构
  • 第3节: 卷积神经网络拓展至非欧空间
  • 任务5: 【视频】非欧空间卷积
  • 第2章: 谱域图卷积介绍
  • 任务6: 【课件】第二节 谱域图卷积.pdf
  • 第1节: 图卷积简介
  • 任务7: 【视频】谱域卷积介绍
  • 第2节: 图谱卷积的背景知识
  • 任务8: 【视频】图谱卷积背景知识
  • 第3节: 经典图谱卷积模型:SCNN, ChebNet,GCN
  • 任务9: 【视频】三个经典的图谱卷积模型
  • 第3章: 空域图卷积介绍
  • 任务10: 【课件】空域图卷积介绍(一).pdf
  • 第1节: 谱域图卷积回顾及其缺陷
  • 任务11: 【视频】谱域图卷积回顾及其缺陷
  • 第2节: 空域卷积模型:GNN, GraphSAGE, GAT, PGC
  • 任务12-1: 【视频】GNN
  • 任务12-2: 【视频】graphSAGE
  • 任务12-3: 【视频】GAT
  • 任务12-4: 【视频】PGC
  • 第3节: 空间域图卷积局限性分析——过平滑现象
  • 任务13-1: 【课件】过平滑现象.pdf
  • 任务13-2: 【视频】图卷积网络回顾
  • 任务13-3: 【视频】过平滑现象
  • 第4章: 图卷积的实践应用
  • 第1节: 图卷积应用:交通预测及其他应用
  • 任务14-1: 【课件】第五节课.pdf
  • 任务14-2: 【视频】图卷积神经网络的应用
  • 第5章: 实践:基于PyG的图卷积的节点分类
  • 第1节: 环境搭建
  • 任务15-1: 【课件】实践节点分类.pdf
  • 任务15-2: 【视频】环境搭建
  • 第2节: 基于PyG框架的节点分类实践
  • 任务16-1: 【视频】节点分类实践(上) 41:07
  • 任务16-2: 【视频】节点分类实践(下)
  • 第3节: 构造自己的数据集&查阅其他GCN方法
  • 任务17: 【视频】构造自己的数据集&查阅其他GCN方法
  • 第4节: 实践作业
  • 任务18: 【作业】实践调用不同的图卷积网络
  • 第5节: 作业讲评
  • 任务19-1: 第五章作业讲评
  • 任务19-2: 第五章作业相关附件
  • 第6节: 第五章优秀作业展示
  • 任务20: 第五章优秀作业展示
  • 第6章: 实践:基于Pytorch的图卷积的交通预测
  • 第1节: 课件&代码
  • 任务21-1: 【思维导图】第七节.pdf
  • 任务21-2: 【代码】实践数据及代码.rar
  • 第2节: 时序数据处理及建模
  • 任务22: 【视频】时序数据处理及建模
  • 第3节: 基于Pytorch的交通流量预测
  • 任务23: 【视频】基于Pytorch的交通流量预测
  • 第4节: 作业
  • 任务24: 【作业】基于Pytorch实现GAT模型用于交通流量预测
  • 第5节: 作业讲评
  • 任务25-1: 图卷积神经网络第六章作业讲评 51:14
  • 任务25-2: code
  • 第6节: 优秀作业展示
  • 任务26: 第六章优秀作业展示