课程价格 ：
¥999.00
剩余名额
0
-
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
- 第1章: 课程简介
- 第1节: 为什么要关注图深度学习
- 1-1：【实践】代码
- 1-2：【视频】多标签图像分类数据集
- 1-3：【视频】基于ML-GCN的多标签图像分类
- 2-1：【课件】图深度学习介绍
- 2-2：【视频】为什么要关注图深度学习
- 2-3：【资料】GNN必读的论文（推荐）
- 第2节: 图上特征学习历史
- 3：【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
- 4：【视频】本课程将关注哪些内容
- 第4节: 课程形式和安排
- 5：【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
- 6-1：【课件】 图论基础
- 6-2：【视频】图的矩阵表示
- 第2节: 图的一些性质
- 7：【视频】图的一些性质
- 第3节: 谱图论和图上的信号处理
- 8：【视频】谱图论和图上的信号处理
- 第4节: 复杂图简介
- 9：【视频】复杂图简介
- 第3章: 深度学习基础
- 第1节: 深度学习简史
- 10-1：【课件】深度学习基础
- 10-2：【视频】深度学习简史
- 第2节: 前馈神经网络
- 11：【视频】前馈神经网络
- 第3节: 神经网络的训练
- 12：【视频】神经网络的训练
- 第4节: 卷积神经网络
- 13：【视频】卷积神经网络
- 第5节: 循环神经网络
- 14：【视频】循环神经网络
- 第6节: 自编码器
- 15：【视频】自编码器
- 第7节: 实践：神经网络实现
- 16-1：【视频】PyTorch基础
- 16-2：【视频】加载数据&前馈神经网络
- 16-3：【视频】卷积神经网络(CNN)&自编码器AutoEncoder
- 16-4：【代码】Code
- 第8节: 【实践作业】第三章
- 17-1：【作业】第三章
- 17-2：第三章作业讲解
- 第4章: 网络嵌入
- 第1节: 网络嵌入模型的框架
- 18-1：【课件】 图嵌入
- 18-2：【视频】图嵌入的通用框架
- 第2节: 简单的图嵌入
- 19：【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
- 20：【视频】复杂的图嵌入
- 第4节: 实践：网络嵌入
- 21-1：【视频】网络嵌入
- 21-2：【代码】Project 2
- 第5节: 实践：作业
- 22-1：【作业】第四章
- 22-2：第四章作业讲解
- 第5章: 图神经网络
- 第1节: 神经网络简介
- 23-1：【课件】 图神经网络
- 23-2：【视频】图神经网络简介
- 第2节: 图谱论
- 24：【视频】谱图论
- 第3节: 图滤波
- 25：【视频】图滤波
- 第4节: 图池化
- 26：【视频】图池化
- 第5节: 实践I：GCN的实现
- 27：【视频】GCN的实现
- 第6节: 实践II：GAT的实现
- 28：【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
- 29-1：【视频】利用GCN完成节点分类以及图分类任务
- 29-2：【代码】实践代码
- 第8节: 实践作业
- 30：【作业】第五章
- 第6章: 图神经网络的健壮性
- 第1节: 图神经网络的健壮性探讨
- 31-1：【课件】L6_图神经网络的鲁棒性
- 31-2：【视频】sec1 鲁棒性简介
- 第2节: 图对抗攻击介绍
- 32-1：【视频】sec2 图对抗攻击介绍
- 32-2：【视频】sec2-1 白盒攻击
- 32-3：【视频】sec2-2 灰盒攻击
- 32-4：【视频】 sec2-3 黑盒攻击
- 第3节: 图对抗防御
- 33-1：【视频】sec3-1 图对抗防御：对抗训练与图净化
- 33-2：【视频】sec3-2 图对抗防御：图结构学习
- 33-3：【视频】sec3-3 图对抗防御：图注意力机制
- 第4节: 实践Ⅰ：DeepRobust基础
- 34：【视频】DeepRobust基础
- 第5节: 实践Ⅱ：图节点攻击
- 35：【视频】图节点攻击
- 第6节: 实践Ⅲ：图防御
- 36：【视频】图防御
- 第7节: 作业
- 37：【作业】第六章
- 第7章: 图神经网络的可拓展性
- 第1节: GNN的可拓展性介绍
- 38-1：【课件】图神经网络的可扩展性
- 38-2：【视频】GNN的可扩展性介绍
- 第2节: 逐点采样法
- 39：【视频】逐点采样法
- 第3节: 逐层采样法
- 40：【视频】逐层采样法
- 第4节: 子图采样法
- 41：【视频】子图采样法
- 第8章: 图上的其他深度学习模型
- 第1节: 图上的循环神经网络
- 42-1：【课件】图上的其他深度模型-designed
- 42-2：【视频】图上的循环神经网络
- 第2节: 图上的自编码器
- 43：【视频】图上的自编码器
- 第3节: 图上的变分自编码器
- 44：【视频】图上的变分自编码器
- 第4节: 图上的生成对抗网络
- 45：【视频】图上的生成对抗网络
- 第5节: 链接预测数据集
- 46：【视频】链接预测数据集
- 第6节: 【实践】自编码器与变分编码器
- 47：【视频】自编码器与变分编码器
- 第7节: 实践作业
- 48-1：【作业】第八章
- 48-2：第八章作业思路分享
- 第9章: 图神经网络在自然语言处理中的应用
- 第1节: 语义角色标注
- 49-1：【课件】自然语言处理中的图神经网络
- 49-2：【视频】 语义角色标注
- 第2节: 神经机器翻译
- 50：【视频】神经机器翻译
- 第3节: 关系抽取
- 51：【视频】关系抽取
- 第4节: 多跳问答任务
- 52：【视频】多跳问答任务
- 第5节: 知识图谱中的神经网络
- 53：【视频】知识图谱中的神经网络
- 第6节: 实践：知识图谱上的GNN
- 54-1：【实践】代码
- 54-2： 【视频】sec1 知识图谱数据集介绍
- 54-3：【视频】sec2 用于知识图谱的模型
- 54-4：【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
- 55-1：【作业】第九章
- 55-2：第九章作业思路分享
- 第10章: 图神经网络在计算机视觉中的应用
- 第1节: 视觉问答
- 56-1：【课件】计算机视觉中的图神经网络
- 56-2：【视频】 视觉问答
- 第2节: 基于骨架的动作识别
- 57：【视频】基于骨架的动作识别
- 第3节: 图像分类
- 58：【视频】 图像分类
- 第4节: 三维点云学习
- 59：【视频】点云学习
- 第5节: 实践：GNN在图像分类上的应用
- 60-1：【实践】代码
- 60-2：【视频】多标签图像分类数据集
- 60-3：【视频】基于ML-GCN的多标签图像分类
- 第6节: 实践作业
- 61-1：【作业】第十章
- 61-2：第十章作业思路分享
- 第11章: 图神经网络在数据挖掘中的应用
- 62：【课件】数据挖掘中的图神经网络
- 第1节: 万维网数据挖掘
- 63：【视频】 万维网的数据挖掘
- 第2节: 城市数据挖掘
- 64：【视频】 城市数据挖掘
- 第3节: 网络安全数据挖掘
- 65：【视频】网络安全数据挖掘
- 第4节: 实践： 推荐系统数据集介绍
- 66： 【视频】推荐系统数据集介绍
- 第5节: 实践：使用LightGCN进行推荐
- 67：【视频】使用LightGCN进行推荐
- 第6节: 实践： 利用Heterogeneous GNN进行推荐
- 68：【视频】利用Heterogeneous GNN进行推荐
- 第7节: 实践作业
- 69-1：【作业】第十一章
- 69-2：Lecture11
- 69-3：作业思路提示
- 第12章: 图神经网络在医疗健康中的应用
- 第1节: 生物化学和医疗健康中的图神经网络
- 70-1：【课件】生物化学和医疗健康中的图神经网络.pdf
- 70-2：【视频】生物化学和医疗健康中的图神经网络
- 第13章: 图深度学习的高级方法
- 第1节: 更深的图神经网络
- 71-1：【课件】图神经网络的一些高级方法_v2.pdf
- 71-2：【视频】 更深的图神经网络
- 第2节: 图上的自监督学习发展
- 72： 【视频】图上的自监督学习
- 第3节: 图神经网络的表达性
- 73：【视频】图神经网络的表达性
- 第14章: 图深度学习的高级应用
- 第1节: 图上的组合优化问题
- 74-1：【课件】图神经网络的一些高级应用
- 74-2： 【视频】图上的组合优化问题
- 第2节: 学习程序表示
- 75： 【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
- 76：【视频】物理中相互作用的动力系统的推理
