近年来，图神经网络凭借其在处理非欧氏空间数据的优越性能，在社交网络、推荐系统、药物发现任务和交通预测等领域大放异彩。

图卷积网络、图注意力网络、图自编码器、图生成网络和图时空网络等各种新型图神经网络模型层出不穷，对图数据上的机器学习任务产生了深刻的影响。

关于图神经网络的中文资料比较匮乏且比较零散，最近两年陆续出版的中文书籍，价值十分有限（可自行在豆瓣图书中查看评价）。

基于此，深蓝学院联合来自密歇根州立大学助理教授汤继良老师（H-index 60）和马耀博士，正式推出了 【图深度学习理论与实践】 的中文课程，课程通过视频讲解、代码实践、作业巩固，以及Project项目等多维度的内容，让学员搭建起图深度学习的知识框架，理解其核心思想，掌握其具体实践任务。

课程团队(部分)

密西根州立大学助理教授。此前曾担任雅虎研究院研究员，于2015年从亚利桑那州立大学取得博士学位。 曾获得 SIGKDD新星奖（Rising Star Award）、Withrow杰出研究奖、美国自然科学基金杰出青年奖等7项领域最佳论文奖。 SIAM数据分析小组和 ACM TKDD期刊的秘书长。 经常担任数据挖掘顶级会议的组织者和顶级期刊的编委。 研究成果发表在领域顶级的期刊和会议上， 现已获得超过14,000多次的引用（H-index为60）和媒体的广泛关注和报道。

密歇根州立大学博士，即将作为助理教授加入新泽西理工学院。密歇根州立大学杰出博士生奖及FAST Fellowship的获奖者，研究兴趣包括网络嵌入和图神经网络。论文多次发表在KDD、WWW、IJCAI、SIGIR和TKDE等数据挖掘顶级会议和期刊上。在众多知名会议（如ICML、 KDD、 AAAI和IJCAI等）及杂志（如TKDD、TKDE和TPAMI等）担任程序委员会委员以及审稿人。AAAI图神经网络和KDD图深度学习教学讲座的第一组织者和演讲者。

>>点击查看大图<<

1. 学习并掌握图深度学习的理论基础与模型思想

2. 通过丰富的案例代码实践，具体将深度学习应用到现实任务中的能力

3. 了解图深度学习的最新研究热点和研究进展

1. 优质的学习圈子

伙伴们大多是来自985、211及海外院校硕博，在这里大家一起学习、进行讨论与研究。独一无二的优质圈子将是你未来学习与就业的宝贵资源。

2. 企业认可的证书

学完课程后将有机会收获优秀学员证书、毕业证书，为你的简历加分添彩。

精益求精的课程服务

1. 答疑解惑

课程建立微信答疑群，安排讲师、助教进行答疑解惑，可以随时与讲师、助教沟通，解决你学习中遇到的问题。

2. 全程陪伴

班主任带班，全程陪同，跟踪学习进度，督促学习。

3. 定期班会

助教会对作业进行讲评和指导；在班会中，学习更多技巧，收获更多思路。

抢占学习名额

优惠名额仅剩27个～

备注“ 样本 ”，优先咨询哦~

添加 『子书』 咨询更多 返回搜狐，查看更多