• 学习时长

    14周/建议每周8个小时

  • 答疑服务

    专属微信答疑群/讲师助教均参与

  • 作业批改

    每章节设计作业/助教及时批改评优

  • 课程有效期

    一年/告别拖延,温故知新

支持花呗分期

  • 1-1:开班仪式-Siyuan助教.pdf
  • 1-2:图深度学习理论与实践开课仪式
  • 1-3:【视频】开课仪式
  • 第1章: 课程简介
  • 2:【课件】图深度学习介绍
  • 第1节: 为什么要关注图深度学习
  • 3:【视频】为什么要关注图深度学习
  • 第2节: 图上特征学习历史
  • 4:【视频】图上的特征学习历史是怎么样的
  • 第3节: 课程关注内容
  • 5:【视频】本课程将关注哪些内容
  • 第4节: 课程形式和安排
  • 6:【视频】课程形式和安排
  • 第2章: 图论基础
  • 第1节: 图的矩阵表示
  • 7:【课件】图论基础
  • 8:【视频】图的矩阵表示
  • 第2节: 图的一些性质
  • 9:【视频】图的一些性质
  • 第3节: 谱图论和图上的信号处理
  • 10:【视频】谱图论和图上的信号处理
  • 第4节: 复杂图简介
  • 11:【视频】复杂图简介
  • 第3章: 深度学习基础
  • 12:【课件】深度学习基础
  • 第1节: 深度学习简史
  • 13:【视频】深度学习简史
  • 第2节: 前馈神经网络
  • 14:【视频】前馈神经网络
  • 第3节: 神经网络的训练
  • 15:【视频】神经网络的训练
  • 第4节: 卷积神经网络
  • 16:【视频】卷积神经网络
  • 第5节: 循环神经网络
  • 17:【视频】循环神经网络
  • 第6节: 自编码器
  • 18:【视频】自编码器
  • 第7节: 实践:神经网络实现
  • 19:【视频】PyTorch基础
  • 20:【视频】加载数据&前馈神经网络
  • 21:【视频】卷积神经网络(CNN)&自编码器AutoEncoder
  • 22:【代码】Code
  • 第8节: 【实践作业】第三章
  • 23-1:【作业】第三章
  • 23-2:图深度学习第三章思路提示.pdf
  • 23-3:图深度学习第三章作业分享.pdf
  • 第4章: 网络嵌入
  • 24:【课件】 图嵌入
  • 第1节: 网络嵌入模型的框架
  • 25:【视频】图嵌入的通用框架
  • 第2节: 简单的图嵌入
  • 26:【视频】简单的图嵌入
  • 第3节: 为复杂图而设计的网络嵌入方法
  • 27:【视频】复杂的图嵌入
  • 第4节: 实践:网络嵌入
  • 28-1:【视频】网络嵌入
  • 28-2:【代码】Project 2
  • 第5节: 实践:作业
  • 29-1:【作业】第四章
  • 29-2:第四章作业提示-随机游走.pdf
  • 29-3:第四章作业分享.pdf
  • 第5章: 图神经网络
  • 30:【课件】 图神经网络
  • 第1节: 神经网络简介
  • 31:【视频】图神经网络简介
  • 第2节: 图谱论
  • 32:【视频】谱图论
  • 第3节: 图滤波
  • 33:【视频】图滤波
  • 第4节: 图池化
  • 34:【视频】图池化
  • 第5节: 实践I:GCN的实现
  • 35:【视频】GCN的实现
  • 第6节: 实践II:GAT的实现
  • 36:【视频】 GAT的实现
  • 第7节: 实践Ⅲ:利用GCN进行节点分类和图分类
  • 37-1:【视频】利用GCN完成节点分类以及图分类任务
  • 37-2:【代码】实践代码
  • 第8节: 实践作业
  • 38-1:【作业】第五章
  • 38-2:第五章作业提示-图神经网络.pdf
  • 38-3:第五章作业分享-图神经网络 .pdf
  • 第6章: 图神经网络的健壮性
  • 39:【课件】L6_图神经网络的鲁棒性 v3.0
  • 第1节: 图神经网络的健壮性探讨
  • 40:【视频】sec1 鲁棒性简介
  • 第2节: 图对抗攻击介绍
  • 41-1:【视频】sec2 图对抗攻击介绍
  • 41-2:【视频】sec2-1 白盒攻击
  • 41-3:【视频】sec2-2 灰盒攻击
  • 41-4:【视频】 sec2-3 黑盒攻击
  • 第3节: 图对抗防御
  • 42-1:【视频】sec3-1 图对抗防御:对抗训练与图净化
  • 42-2:【视频】sec3-2 图对抗防御:图结构学习
  • 42-3:【视频】sec3-3 图对抗防御:图注意力机制
  • 第4节: 实践Ⅰ:DeepRobust基础
  • 43:【视频】DeepRobust基础
  • 第5节: 实践Ⅱ:图节点攻击
  • 44:【视频】图节点攻击
  • 第6节: 实践Ⅲ:图防御
  • 45:【视频】图防御
  • 第7节: 作业
  • 46-1:【作业】第六章
  • 46-2:第六章作业提示-健壮性.pdf
  • 第7章: 图神经网络的可拓展性
  • 47:【课件】图神经网络的可扩展性
  • 第1节: GNN的可拓展性介绍
  • 48:【视频】GNN的可扩展性介绍
  • 第2节: 逐点采样法
  • 49:【视频】逐点采样法
  • 第3节: 逐层采样法
  • 50:【视频】逐层采样法
  • 第4节: 子图采样法
  • 51:【视频】子图采样法
  • 第8章: 图上的其他深度学习模型
  • 52:【课件】图上的其他深度模型-designed
  • 第1节: 图上的循环神经网络
  • 53:【视频】图上的循环神经网络
  • 第2节: 图上的自编码器
  • 54:【视频】图上的自编码器
  • 第3节: 图上的变分自编码器
  • 55:【视频】图上的变分自编码器
  • 第4节: 图上的生成对抗网络
  • 56:【视频】图上的生成对抗网络
  • 第5节: 链接预测数据集
  • 57:【视频】链接预测数据集
  • 第6节: 【实践】自编码器与变分编码器
  • 58:【视频】自编码器与变分编码器
  • 第7节: 实践作业
  • 59-1:【作业】第八章
  • 59-2:第八章作业提示-GAE.pdf
  • 59-3:第八章作业讲评
  • 第9章: 图神经网络在自然语言处理中的应用
  • 60:【课件】自然语言处理中的图神经网络
  • 第1节: 语义角色标注
  • 61:【视频】 语义角色标注
  • 第2节: 神经机器翻译
  • 62:【视频】神经机器翻译
  • 第3节: 关系抽取
  • 63:【视频】关系抽取
  • 第4节: 多跳问答任务
  • 64:【视频】多跳问答任务
  • 第5节: 知识图谱中的神经网络
  • 65:【视频】知识图谱中的神经网络
  • 第6节: 实践:知识图谱上的GNN
  • 66:【实践】代码
  • 67: 【视频】sec1 知识图谱数据集介绍
  • 68:【视频】sec2 用于知识图谱的模型
  • 69:【视频】sec3 在知识图谱补全的任务中训练R-GCN
  • 第7节: 实践作业
  • 70-1:【作业】第九章
  • 70-2:第九章思路提示-RGCN.pdf
  • 70-3:第九章作业分享-RGCN.pdf
  • 第10章: 图神经网络在计算机视觉中的应用
  • 71:【课件】计算机视觉中的图神经网络
  • 第1节: 视觉问答
  • 72:【视频】 视觉问答
  • 第2节: 基于骨架的动作识别
  • 73:【视频】基于骨架的动作识别
  • 第3节: 图像分类
  • 74:【视频】 图像分类
  • 第4节: 三维点云学习
  • 75:【视频】点云学习
  • 第5节: 实践:GNN在图像分类上的应用
  • 76-1:【实践】代码
  • 76-2:【视频】多标签图像分类数据集
  • 76-3:【视频】基于ML-GCN的多标签图像分类
  • 第6节: 实践作业
  • 77-1:【作业】第十章
  • 77-2:第十章作业思路分享
  • 77-3:第十章作业分享-Vision .pdf
  • 第11章: 图神经网络在数据挖掘中的应用
  • 78:【课件】L11 数据挖掘中的图神经网络
  • 第1节: 万维网数据挖掘
  • 79:【视频】 万维网的数据挖掘
  • 第2节: 城市数据挖掘
  • 80:【视频】 城市数据挖掘
  • 第3节: 网络安全数据挖掘
  • 81:【视频】网络安全数据挖掘
  • 第4节: 实践: 推荐系统数据集介绍
  • 82: 【视频】推荐系统数据集介绍
  • 第5节: 实践:使用LightGCN进行推荐
  • 83:【视频】使用LightGCN进行推荐
  • 第6节: 实践: 利用Heterogeneous GNN进行推荐
  • 84:【视频】利用Heterogeneous GNN进行推荐
  • 第7节: 实践作业
  • 85-1:第十一章作业思路提示
  • 85-2:【资料】代码
  • 85-3:【资料】DGL版本
  • 85-4:【作业】第十一章
  • 85-5:第十一章作业分享-推荐 .pdf
  • 第13章: 图深度学习的高级方法
  • 88:【课件】图神经网络的一些高级方法
  • 第1节: 更深的图神经网络
  • 89:【视频】 更深的图神经网络
  • 第2节: 图上的自监督学习发展
  • 90: 【视频】图上的自监督学习
  • 第3节: 图神经网络的表达性
  • 91:【视频】图神经网络的表达性
  • 第14章: 图深度学习的高级应用
  • 92:【课件】图神经网络的一些高级应用
  • 第1节: 图上的组合优化问题
  • 93: 【视频】图上的组合优化问题
  • 第2节: 学习程序表示
  • 94: 【视频】学习程序表示
  • 第3节: 物理中相互作用的动力系统的推理
  • 95:【视频】物理中相互作用的动力系统的推理

 

 

未注册验证后自动登录,注册/登录则视为同意

《服务协议》《隐私协议》

请完善资料,让我们更好的为您服务!

+86  (手机号已绑定)

未注册验证后自动登录,注册/登录则视为同意

《服务协议》《隐私协议》