1 课程简介
课程内容大纲：
- 图嵌入表示（Node Embedding）方法：DeepWalk，Node2vec
- 图神经网络（GNN）：GCN、GraphSAGE、GAT…
- 图自注意力（Graph Transformers）
- 知识图谱和推理：TransE，BetaE
- 图生成模型：GraphRNN
- 3D 图模型：Molecules
- 扩展到大规模的图数据
- 图应用：生物医学、科学技术
背景要求：机器学习、算法和图论、概率论与数理统计、Python/PyTorch
其他推荐工具：
- 基于 PyTorch 构建的图神经网络库