圖深度學習在NLP、機器學習、計算機視覺等領域應用

圖神經網路（Graph Neural Networks）是一種基於圖結構的深度學習方法。它主要由兩部分組成：圖和神經網路。

那我們為什麼要學習圖神經網路呢？

首先，圖提供了資料的通用表示形式。來自各個領域的系統的資料可以直接表示為圖，例如社交網路，交通運輸網路、蛋白質-蛋白質相互作用網路、知識圖譜和腦網路。

其次。許多其他型別的資料也可以轉換為圖的表示。比如，推薦節點的屬性，檢測異常節點等。

除此之外，傳統的機器學習方法通常假設資料是獨立同分布的，而圖上的節點是自然相連的。深度學習就在表示學習上發揮了巨大的作用，將深度學習與圖聯絡在一起，會帶來更大的機遇。

但是目前國內外圖神經網路的資料極為少，系統學習圖深度學習的中文課程更是難得。對於想學習圖神經網路的同學來說，可以說是無從下手。看完知乎、CSDN上的文章，直接被勸退。

基於此，深藍學院開設了 《圖深度學習：理論與實踐》 課程。本課程帶大家學習和掌握圖深度學習的基礎理論與模型思想，並通過豐富的案例程式碼解讀，讓夥伴們實現將圖深度學習應用到現實任務中。

講師介紹

1.課程講師

湯繼良

密西根州立大學助理教授

此前曾擔任雅虎研究院研究員，於2015年從亞利桑那州立大學取得博士學位。在圖特徵選擇、圖表徵學習、圖深度學習及它們在網際網路和社交媒體上的應用方面做出了傑出貢獻。曾獲得SIGKDD新星獎(Rising Star Award)、Withrow傑出研究獎、美國自然科學基金傑出青年獎、IJCAI早期焦點人物演講和包括KDD、WSDM等在內的7項領域知名會議的最佳（或提名）論文獎。博士論文獲得SIGKDD最佳博士論文（KDD Best Dissertation）亞軍和院長優秀博士論文獎(Dean's Dissertation Award)。

SIAM資料分析小組和ACM TKDD期刊的祕書長。經常擔任資料探勘頂級會議的組織者和頂級期刊的編委。研究成果發表在領域頂級的期刊和會議上，現已獲得超過14000多次的引用（H-index為60）和媒體的廣泛關注和報道。

馬耀

密歇根州立大學博士  

即將作為助理教授加入新澤西理工學院。密歇根州立大學傑出博士生獎及FAST Fellowship的獲獎者，研究興趣包括網路嵌入和圖神經網路。論文多次發表在KDD、WWW、IJCAI、SIGIR和TKDE等資料探勘頂級會議和期刊上。在眾多知名會議（如ICML、KDD、AAAI和IJCAI等）及雜誌（如TKDD、TKDE和TPAMI等）擔任程式委員會委員以及審稿人。AAAI圖神經網路和KDD圖深度學習教學講座的第一組織者和演講者。

2.專案實踐講師

金衛

密歇根州立大學博士研究生

研究興趣集中在圖神經網路，包括理論基礎、模型魯棒性及應用。在KDD、AAAI、ICML、WSDM和WWW等計算機頂級會議上發表了多篇研究成果。他是備受業內關注的對抗攻擊和防禦工具包DeepRobust的主要貢獻者。曾擔任包括IJCAI和CIKM等國際知名會議的程式委員會委員。曾參加組織AAAI圖深度學習專題教學講座和KDD神經網路對抗攻擊與防禦專題教學講座，並擔任主要演講者，獲得了領域內外巨大關注和廣泛好評。

課程大綱

課程亮點

1.課程講師擁有豐富的科研與實戰經驗；

2.理論聯絡實踐。每章節課程後都會配有對應的實踐專案；

3.微信群答疑。講師會在微信群進行答疑解惑，直至學習結束；

4.優質的學習圈子。學習課程的同學大多來自985/211及國內知名企業的工程師，一起學習可以收穫滿滿哦；

5.價效比賊高。深藍學院圖深度學習是目前國內少有的系統化的中文課程，絕對超值。

諮詢更多

掃碼新增深藍學院-育心

備註 【 20 】 ，才會通過好友哦！

*如不滿意，可在七天內無條件退款