跳到主要内容
步芽

Stanford CS224W Machine Learning with Graphs 2021

难度
难度 1/5 —
适合人群
前置要求
零基础可学
课程规模
58 讲
在 B 站免费观看 →就这门课提问 →排进我的学习路线

课程大纲（58 讲）

  1. P1 · Lecture 1.1 - Why Graphs12 分钟
  2. P2 · Lecture 1.2 - Applications of Graph ML20 分钟
  3. P3 · Lecture 1.3 - Choice of Graph Representation20 分钟
  4. P4 · Lecture 2.1 - Traditional Feature-based Methods: Node27 分钟
  5. P5 · Lecture 2.2 - Traditional Feature-based Methods: Link16 分钟
  6. P6 · Lecture 2.3 - Traditional Feature-based Methods: Graph20 分钟
  7. P7 · Lecture 3.1 - Node Embeddings14 分钟
  8. P8 · Lecture 3.2-Random Walk Approaches for Node Embeddings27 分钟
  9. P9 · Lecture 3.3 - Embedding Entire Graphs18 分钟
  10. P10 · Lecture 4.1 - PageRank27 分钟
  11. P11 · Lecture 4.2 - PageRank: How to Solve?20 分钟
  12. P12 · Lecture 4.3 - Random Walk with Restarts13 分钟
  13. P13 · Lecture 4.4 - Matrix Factorization and Node Embeddings12 分钟
  14. P14 · Lecture 5.1 - Message passing and Node18 分钟
  15. P15 · Lecture 5.2 - Relational and Iterative29 分钟
  16. P16 · Lecture 5.3 - Collective24 分钟
  17. P17 · Lecture 6.1 - Introduction to Graph Neural Networks10 分钟
  18. P18 · Lecture 6.2 - Basics of Deep Learning29 分钟
  19. P19 · Lecture 6.3 - Deep Learning for Graphs35 分钟
  20. P20 · Lecture 7.1 - A general Perspective on GNNs5 分钟
  21. P21 · Lecture 7.2 - A Single Layer of a GNN40 分钟
  22. P22 · Lecture 7.3 - Stacking layers of a GNN18 分钟
  23. P23 · Lecture 8.1 - Graph Augmentation for GNNs27 分钟
  24. P24 · Lecture 8.2 - Training Graph Neural Networks40 分钟
  25. P25 · Lecture 8.3 - Setting up GNN Prediction Tasks17 分钟
  26. P26 · Lecture 9.1 - How Expressive are Graph Neural Networks25 分钟
  27. P27 · Lecture 9.2 - Designing the Most Powerful GNNs31 分钟
  28. P28 · Lecture 10.1 - Heterogeneous & Knowledge Graph Embedding34 分钟
  29. P29 · Lecture 10.2 - Knowledge Graph Completion7 分钟
  30. P30 · Lecture 11.1 - Reasoning in Knowledge Graphs16 分钟
  31. P31 · Lecture 11.2 - Answering Predictive Queries12 分钟
  32. P32 · Lecture 11.3 - Query2box: Reasoning over KGs38 分钟
  33. P33 · Lecture 12.2 - Neural Subgraph Matching24 分钟
  34. P34 · Lecture 12.3 - Finding Frequent Subgraphs25 分钟
  35. P35 · Lecture 13.1 - Community Detection in Networks22 分钟
  36. P36 · Lecture 13.2 - Network Communities17 分钟
  37. P37 · Lecture 13.3 - Louvain Algorithm15 分钟
  38. P38 · Lecture 13.4 - Detecting Overlapping Communities23 分钟
  39. P39 · Lecture 14.1 - Generative Models for Graphs20 分钟
  40. P40 · Lecture 14.2 - Erdos Renyi Random Graphs20 分钟
  41. P41 · Lecture 14.3 - The Small World Model10 分钟
  42. P42 · Lecture 14.4 - Kronecker Graph Model18 分钟
  43. P43 · Lecture 15.1 - Deep Generative Models for Graphs15 分钟
  44. P44 · Lecture 15.2 - Graph RNN: Generating Realistic Graphs24 分钟
  45. P45 · Lecture 15.3 - Scaling Up & Evaluating Graph Gen15 分钟
  46. P46 · Lecture 15.4 - Applications of Deep Graph Generation13 分钟
  47. P47 · Lecture 16.1 - Limitations of Graph Neural Networks11 分钟
  48. P48 · Lecture 16.2 - Position-Aware Graph Neural Networks12 分钟
  49. P49 · Lecture 16.3 - Identity-Aware Graph Neural Networks20 分钟
  50. P50 · Lecture 16.4 - Robustness of Graph Neural Networks22 分钟
  51. P51 · Lecture 17.1 - Scaling up Graph Neural Networks14 分钟
  52. P52 · Lecture 17.2 - GraphSAGE Neighbor Sampling16 分钟
  53. P53 · Lecture 17.3 - Cluster GCN: Scaling up GNNs19 分钟
  54. P54 · Lecture 17.4 - Scaling up by Simplifying GNNs18 分钟
  55. P55 · Lecture 18 - GNNs in Computational Biology81 分钟
  56. P56 · Lecture 19.1 - Pre-Training Graph Neural Networks20 分钟
  57. P57 · Lecture 19.2 - Hyperbolic Graph Embeddings31 分钟
  58. P58 · Lecture 19.3 - Design Space of Graph Neural Networks18 分钟

本课程卡由 AI 生成，可能存在误差，欢迎反馈。