价格： 59 学币
深蓝学院图深度学习：理论与实践视频教程，由优库it资源网整理发布完整版。最近几年，大量图数据以及越来越多的可用大型资源库，促使人们对以适应性方式处理图的深度学习模型产生了浓厚兴趣。图深度学习已成为机器学习中最热门的话题之- -，在社交关系、数据挖掘、自然语言处理、推荐系统、生物化学等领域被广泛研究及应用。本课带你学习并掌握图深度学习的基础理论及模型思想，通过丰富的案例代码实践，具备将图深度学习应用到现实任务中的能力。
【有三AI-CV夏季划】人工智能：深度学习从入门到精通升级版
咕泡P5人工智能深度学习高薪就业班5期
知名教师授课， 兼具理论深度与思维高度；
章节内容衔接紧密， 涵盖经典模型与前沿技术；
详细的案例代码实践，章节作业与Project精心设计；
.
├── 10图神经网络在计算机视觉中的应用/
│ ├── [ 84M] 10.1视觉问答
│ ├── [ 40M] 10.2基于骨架的动作识别
│ ├── [192M] 10.3图像分类
│ ├── [ 36M] 10.4点云学习
│ ├── [105M] 10.5多标签图像分类数据集
│ ├── [ 86M] 10.6基于ML-GCN的多标签图像分类
│ ├── [1.7M] Lecture10.zip
│ ├── [296K] 第十章作业代码讲解.pdf
│ ├── [1.2M] 第十章作业思路分享.pdf
│ └── [4.0M] 计算机视觉中的图神经网络.pdf
├── 11图神经网络在数据挖掘中的应用/
│ ├── [179M] 11.1万维网的数据挖掘
│ ├── [ 28M] 11.2城市数据挖掘
│ ├── [139M] 11.3网络安全数据挖掘
│ ├── [101M] 11.4推荐系统数据集介绍
│ ├── [ 91M] 11.5使用LightGCN进行推荐
│ ├── [ 30M] 11.6利用Heterogeneous GNN进行推荐
│ ├── [ 17K] DGL版本.zip
│ ├── [5.5M] L11 数据挖掘中的图神经网络.pdf
│ ├── [ 14M] Lecture11.zip
│ ├── [542K] 第十一章作业讲评.pdf
│ └── [348K] 第十一章作业提示.pdf
├── 12图神经网络在医疗健康中的应用/
│ ├── [154M] 12生物化学和医疗健康中的图神经网络
│ └── [2.5M] L13_生物化学和医疗健康中的图神经网络.pdf
├── 13图神经网络的一些高级方法/
│ ├── [ 55M] 13.1更深的图神经网络
│ ├── [ 72M] 13.2图上的自监督学习
│ ├── [ 42M] 13.3图神经网络的表达性
│ └── [4.1M] L14_图神经网络的一些高级方法_v2.pdf
├── 14图神经网络的一些高级应用/
│ ├── [ 98M] 14.1图上的组合优化问题
│ ├── [ 19M] 14.2学习程序表示
│ ├── [ 39M] 14.3物理中相互作用的动力系统的推理
│ └── [2.3M] L15_图神经网络的一些高级应用.pdf
├── 15加餐/
│ ├── [557M] 15.1基于GNN的推荐系统概述
│ ├── [103M] 15.2基于GNN的点云处理-DGCNN
│ └── [ 43M] 15.3基于GNN的点云处理-GCN
├── 1课程简介/
│ ├── [273M] 1-为什么要关注图深度学习
│ ├── [113M] 2-图上的特征学习历史是怎么样的
│ ├── [303M] 3-本课程将关注哪些内容
│ ├── [9.7M] 4-课程形式和安排
│ ├── [9.1M] L1_图深度学习介绍.pdf
│ ├── [261K] 开课分享-岑宇阔助教.pdf
│ ├── [692K] 开课分享-吴博助教.pdf
│ ├── [1.4M] 图深度学习 开课仪式.pdf
│ └── [ 13K] 助教分组结果 图深度学习.xlsx
├── 2图论基础/
│ ├── [ 22M] 1-图的矩阵表示
│ ├── [ 95M] 2-图的一些性质
│ ├── [106M] 3-谱图论和图上的信号处理
│ ├── [ 71M] 4-复杂图简介
│ └── [989K] 图深度学习 L2 图论基础.pdf
├── 3深度学习基础/
│ ├── [ 86K] 10-【作业】第三章.png
│ ├── [ 68M] 1-深度学习简史
│ ├── [ 41M] 2-前馈神经网络
│ ├── [ 35M] 3-神经网络的训练
│ ├── [ 61M] 4-卷积神经网络
│ ├── [ 83M] 5-循环神经网络
│ ├── [ 36M] 6-自编码器
│ ├── [162M] 7-PyTorch基础
│ ├── [ 93M] 8-加载数据&前馈神经网络
│ ├── [ 39M] 9-卷积神经网络(CNN)&自编码器AutoEncoder
│ ├── [608K] Code.rar
│ ├── [3.3M] L2 深度学习基础.pdf
│ ├── [ 819] 第三章作业.rar
│ ├── [582K] 第三章作业讲评-晴天小猪同学.pdf
│ └── [207K] 第三章作业思路提示-岑宇阔助教.pdf
├── 4网络嵌入/
│ ├── [ 92M] 1-图嵌入的通用框架
│ ├── [304M] 2-简单的图嵌入
│ ├── [141M] 3-复杂的图嵌入
│ ├── [233M] 4-网络嵌入
│ ├── [ 94K] 5-【作业】第四章.png
│ ├── [7.5K] HW2更新版.rar
│ ├── [1.8M] L4 图嵌入.pdf
│ ├── [383K] 第四章优秀作业分享.pdf
│ ├── [259K] 第四章作业思路提示 - 吴博助教.pdf
│ └── [620K] 图深度学习 Project 2.rar
├── 5图神经网络/
│ ├── [644M] 5.0直播答疑
│ ├── [ 15M] 5.1图神经网络简介
│ ├── [ 61M] 5.2谱图论
│ ├── [223M] 5.3图滤波
│ ├── [ 79M] 5.4图池化
│ ├── [ 94M] 5.5GCN的实现
│ ├── [ 36M] 5.6GAT的实现
│ ├── [ 66M] 5.7利用GCN完成节点分类以及图分类任务
│ ├── [2.2M] L5 图神经网络.pdf
│ ├── [726K] 第五章作业分享.pdf
│ ├── [317K] 第五章作业思路提示-岑宇阔.pdf
│ └── [121K] 实践代码.zip
├── 6图神经网络的健壮性/
│ ├── [ 41M] 6.1sec1 鲁棒性简介
│ ├── [133M] 6.2sec2-1 白盒攻击
│ ├── [132M] 6.2sec2-2 灰盒攻击
│ ├── [ 49M] 6.2sec2-3黑盒攻击
│ ├── [ 45M] 6.2图对抗攻击介绍
│ ├── [ 42M] 6.3sec3-1 图对抗防御：对抗训练与图净化
│ ├── [ 33M] 6.3sec3-2 图对抗防御：图结构学习
│ ├── [ 29M] 6.3sec3-3 图对抗防御：图注意力机制
│ ├── [ 52M] 6.4sec4-1 实践：DeepRobust基础
│ ├── [ 64M] 6.4sec4-2 实践：图节点攻击
│ ├── [ 53M] 6.4sec4-3 实践：图防御
│ ├── [1.7M] L6_图神经网络的鲁棒性 v3.0.pdf
│ ├── [313K] 第六章作业讲评.pdf
│ └── [612K] 第五章作业提示-吴博.pdf
├── 7图神经网络的可拓展性/
│ ├── [101M] 7.1GNN的可扩展性介绍
│ ├── [ 21M] 7.2逐点采样法
│ ├── [ 39M] 7.3逐层采样法
│ ├── [100M] 7.4子图采样法
│ └── [2.6M] L7_图神经网络的可扩展性.pdf
├── 8图上的其他深度学习模型/
│ ├── [ 61M] 8.1图上的循环神经网络
│ ├── [ 45M] 8.2图上的自编码器
│ ├── [ 77M] 8.3图上的变分自编码器
│ ├── [144M] 8.4图上的生成对抗网络
│ ├── [ 37M] 8.5链接预测数据集
│ ├── [ 68M] 8.6自编码器与变分编码器
│ ├── [1.3M] L9_图上的其他深度模型-designed.pdf
│ ├── [892K] 第八章作业分享.pdf
│ └── [358K] 第八章作业思路分享-岑宇阔.pdf
├── 9图神经网络在自然语言处理中的应用/
│ ├── @更多it资源 www.ukoou.com
│ ├── [ 78M] 8.1语义角色标注
│ ├── [ 19M] 8.2神经机器翻译
│ ├── [ 20M] 8.3关系抽取
│ ├── [ 56M] 8.4多跳问答任务
│ ├── [ 85M] 8.5知识图谱中的神经网络
│ ├── [ 48M] 8.6知识图谱数据集介绍
│ ├── [128M] 8.7sec2 用于知识图谱的模型
│ ├── [ 19M] 8.8sec3 在知识图谱补全的任务中训练R-GCN
│ ├── [9.0K] code by PYG.zip
│ ├── [ 12K] L9 code by DGL.rar
│ ├── [432K] 第九章作业分享.pdf
│ ├── [413K] 第九章作业提示-吴博助教.pdf
│ └── [2.3M] 自然语言处理中的图神经网络.pdf
