-
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
- 第1章: 课程简介
- 1： 【课件】图深度学习介绍
- 第1节: 为什么要关注图深度学习
- 2： 【视频】为什么要关注图深度学习
- 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2章: 图论基础
- 5： 【课件】图论基础
- 第1节: 图的矩阵表示
- 6： 【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
- 10： 【课件】深度学习基础
- 第1节: 深度学习简史
- 11： 【视频】深度学习简史
- 第2节: 前馈神经网络
- 12： 【视频】前馈神经网络
- 第3节: 神经网络的训练
- 13： 【视频】神经网络的训练
- 第4节: 卷积神经网络
- 14： 【视频】卷积神经网络
- 第5节: 循环神经网络
- 15： 【视频】循环神经网络
- 第6节: 自编码器
- 16： 【视频】自编码器
- 第7节: 实践：神经网络实现
- 17-1： 【视频】PyTorch基础
- 17-2： 【视频】加载数据&前馈神经网络
- 17-3： 【视频】卷积神经网络(CNN)&自编码器AutoEncoder
- 17-4： 【代码】Code
- 第8节: 【实践作业】第三章
- 第4章: 网络嵌入
- 18： 【课件】 图嵌入
- 第1节: 网络嵌入模型的框架
- 19： 【视频】图嵌入的通用框架
- 第2节: 简单的图嵌入
- 20： 【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
- 21： 【视频】复杂的图嵌入
- 第4节: 网络嵌入
- 22-1： 【视频】网络嵌入
- 22-2： 【代码】Project 2
- 第5节: 实践：作业
- 第5章: 图神经网络
- 23： 【课件】 图神经网络
- 第1节: 神经网络简介
- 24： 【视频】图神经网络简介
- 第2节: 图谱论
- 25： 【视频】谱图论
- 第3节: 图滤波
- 26： 【视频】图滤波
- 第4节: 图池化
- 27： 【视频】图池化
- 第5节: 实践I：GCN的实现
- 28： 【视频】GCN的实现
- 第6节: 实践II：GAT的实现
- 29： 【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
- 30-1： 【视频】利用GCN完成节点分类以及图分类任务
- 30-2： 【代码】实践代码
- 第8节: 实践作业
- 第6章: 图神经网络的健壮性
- 31： 【课件】L6_图神经网络的鲁棒性
- 第1节: 图神经网络的健壮性探讨
- 32： 【视频】鲁棒性简介
- 第2节: 图对抗攻击介绍
- 33： 【视频】图对抗攻击介绍
- 34-1： 【视频】白盒攻击
- 34-2： 【视频】灰盒攻击
- 34-3： 【视频】黑盒攻击
- 第3节: 图对抗防御
- 35-1： 【视频】图对抗防御：对抗训练与图净化
- 35-2： 【视频】图对抗防御：图结构学习
- 35-3： 【视频】图对抗防御：图注意力机制
- 第4节: 实践Ⅰ：DeepRobust基础
- 36： 【视频】DeepRobust基础
- 第5节: 实践Ⅱ：图节点攻击
- 37： 【视频】图节点攻击
- 第6节: 实践Ⅲ：图防御
- 38： 【视频】图防御
- 第7节: 作业
- 第7章: 图神经网络的可拓展性
- 39： 【课件】图神经网络的可扩展性
- 第1节: GNN的可拓展性介绍
- 40： 【视频】GNN的可扩展性介绍
- 第2节: 逐点采样法
- 41： 【视频】逐点采样法
- 第3节: 逐层采样法
- 42： 【视频】逐层采样法
- 第4节: 子图采样法
- 43： 【视频】子图采样法
- 第8章: 图上的其他深度学习模型
- 44： 【课件】图上的其他深度模型-designed
- 第1节: 图上的循环神经网络
- 45： 【视频】图上的循环神经网络
- 第2节: 图上的自编码器
- 46： 【视频】图上的自编码器
- 第3节: 图上的变分自编码器
- 47： 【视频】图上的变分自编码器
- 第4节: 图上的生成对抗网络
- 48： 【视频】图上的生成对抗网络
- 第5节: 链接预测数据集
- 49： 【视频】链接预测数据集
- 第6节: 【实践】自编码器与变分编码器
- 50： 【视频】自编码器与变分编码器
- 第7节: 实践作业
- 第9章: 图神经网络在自然语言处理中的应用
- 51： 【课件】自然语言处理中的图神经网络
- 第1节: 语义角色标注
- 52： 【视频】 语义角色标注
- 第2节: 神经机器翻译
- 53： 【视频】神经机器翻译
- 第3节: 关系抽取
- 54： 【视频】关系抽取
- 第4节: 多跳问答任务
- 55： 【视频】多跳问答任务
- 第5节: 知识图谱中的神经网络
- 56： 【视频】知识图谱中的神经网络
- 第6节: 实践：知识图谱上的GNN
- 57-1： 【视频】知识图谱数据集介绍
- 57-2： 【视频】用于知识图谱的模型
- 57-3： 【视频】在知识图谱补全的任务中训练R-GCN
- 58-1： 【实践】代码
- 58-2： 【代码】code by PYG
- 第7节: 实践作业
- 第10章: 图神经网络在计算机视觉中的应用
- 59： 【课件】计算机视觉中的图神经网络
- 第1节: 视觉问答
- 60： 【视频】 视觉问答
- 第2节: 基于骨架的动作识别
- 61： 【视频】基于骨架的动作识别
- 第3节: 图像分类
- 62： 【视频】 图像分类
- 第4节: 三维点云学习
- 63： 【视频】点云学习
- 第5节: 实践：GNN在图像分类上的应用
- 64-1： 【实践】代码
- 64-2： 【视频】多标签图像分类数据集
- 64-3： 【视频】基于ML-GCN的多标签图像分类
- 第6节: 实践作业
- 第11章: 图神经网络在数据挖掘中的应用
- 65： 【课件】数据挖掘中的图神经网络
- 第1节: 万维网数据挖掘
- 66： 【视频】 万维网的数据挖掘
- 第2节: 城市数据挖掘
- 67： 【视频】 城市数据挖掘
- 第3节: 网络安全数据挖掘
- 68： 【视频】网络安全数据挖掘
- 第4节: 实践： 推荐系统数据集介绍
- 69： 【视频】推荐系统数据集介绍
- 第5节: 实践：使用LightGCN进行推荐
- 70： 【视频】使用LightGCN进行推荐
- 第6节: 实践： 利用Heterogeneous GNN进行推荐
- 71： 【视频】利用Heterogeneous GNN进行推荐
- 第7节: 实践作业
- 72-1： 【资料】代码
- 72-2： 【资料】DGL版本
- 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
- 73-1： 【课件】生物化学和医疗健康中的图神经网络
- 73-2： 【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
- 74： 【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
- 75： 【视频】 更深的图神经网络
- 第2节: 图上的自监督学习发展
- 76： 【视频】图上的自监督学习
- 第3节: 图神经网络的表达性
- 77： 【视频】图神经网络的表达性
- 第14章: 图深度学习的高级应用
- 78： 【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
- 79： 【视频】图上的组合优化问题
- 第2节: 学习程序表示
- 80： 【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
- 81： 【视频】物理中相互作用的动力系统的推理
官方微信公众号
