• 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

*课程已报满,可预约下一期

  • 1:开课仪式
  • 第1章: 课程简介
  • 第1节: 为什么要关注图深度学习
  • 2:【实践】代码
  • 3-1:【课件】图深度学习介绍
  • 3-2:【视频】为什么要关注图深度学习
  • 3-3:【资料】GNN必读的论文(推荐)
  • 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
  • 7:【课件】 图论基础
  • 第1节: 图的矩阵表示
  • 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
  • 19-1:【视频】PyTorch基础
  • 19-2:【视频】加载数据&前馈神经网络
  • 19-3:【视频】卷积神经网络(CNN)&自编码器AutoEncoder
  • 19-4:【代码】Code
  • 第8节: 【实践作业】第三章
  • 20-1:【作业】第三章
  • 20-2:第三章作业思路提示
  • 第4章: 网络嵌入
  • 21:【课件】 图嵌入
  • 第1节: 网络嵌入模型的框架
  • 22:【视频】图嵌入的通用框架
  • 第2节: 简单的图嵌入
  • 23:【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
  • 24:【视频】复杂的图嵌入
  • 第4节: 实践:网络嵌入
  • 25-1:【视频】网络嵌入
  • 25-2:【代码】Project 2
  • 第5节: 实践:作业
  • 26:【作业】第四章
  • 第5章: 图神经网络
  • 第1节: 神经网络简介
  • 第2节: 图谱论
  • 第3节: 图滤波
  • 第4节: 图池化
  • 第5节: 实践I:GCN的实现
  • 第6节: 实践II:GAT的实现
  • 第7节: 实践Ⅲ:利用GCN进行节点分类和图分类
  • 第8节: 实践作业
  • 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
  • 第2节: 图对抗攻击介绍
  • 第3节: 图对抗防御
  • 第4节: 实践Ⅰ:DeepRobust基础
  • 第5节: 实践Ⅱ:图节点攻击
  • 第6节: 实践Ⅲ:图防御
  • 第7节: 作业
  • 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
  • 第2节: 图上的自编码器
  • 第3节: 图上的变分自编码器
  • 第4节: 图上的生成对抗网络
  • 第5节: 链接预测数据集
  • 第6节: 【实践】自编码器与变分编码器
  • 第7节: 实践作业
  • 第11章: 图神经网络在数据挖掘中的应用
  • 第1节: 万维网数据挖掘
  • 第2节: 城市数据挖掘
  • 第3节: 网络安全数据挖掘
  • 第4节: 实践: 推荐系统数据集介绍
  • 第5节: 实践:使用LightGCN进行推荐
  • 第6节: 实践: 利用Heterogeneous GNN进行推荐
  • 第7节: 实践作业

 

相关推荐

机器学习 机器学习 计算机视觉 环境感知 基础
推荐系统 推荐系统 基础
自然语言处理 知识图谱 进阶

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》