网络经常作为工具，来对复杂的社会，技术和生物系统进行建模。这门课程结合线上社交网络的生物科学中的大规模数据，来分析大型网络。这些大型网络提出了一些关于计算、算法和建模方面的挑战。
在课程中，可以学习到这些大型网络的底层网络结构和互连，了解机器学习技术和数据挖掘工具。这些技术和工具能够增进对社会，技术和自然世界的理解。
课程主题有：万维网的算法；图神经网络和表示学习；识别生物网络中的功能模块；疫情检测；食物网络和金融市场的稳健性和脆弱性。
大纲目录
课程介绍；图(Graphs)的结构
网络的性质和随机图模型复习课：Snap.py和Google Cloud教程
网络中的主题和结构角色
网络中的社区结构复习课：线性代数，概率论和证明技术
谱聚类
消息传递和节点分类
图表示学习
图神经网络
图神经网络：动手练习
图的深度生成模型
链接分析：PageRank
网络效应和级联行为
概率传染和影响力模型
网络中的影响力最大化
网络中的疫情检测
网络演化
知识图推理
图神经网络的局限性
图神经网络的应用
讲师介绍和课前准备
课程有两名讲师，八位助教
主要讲师是斯坦福大学计算机科学副教授Jurij Leskovec。在此之前，他取得了卡内基梅隆大学计算机博士学位。
他的研究专注于大型社交和信息网络的分析与建模，以研究跨社会、技术和自然世界的现象。他专注于网络结构的统计建模、网络演化、信息传播、网络影响等。
他研究的问题由大规模数据、网络和其它线上媒体促发。他也致力于文本挖掘和机器学习的应用。
联合讲师是计算机科学博士后研究员Michele Catasta
需要的知识储备
基本的计算机科学原理知识，能够编写普通计算机程序
熟悉基本概率论
熟悉基本线性代数
推荐课前阅读
《网络、人群和市场：关于高度联通世界的思考》
近年来，公众对现代社会复杂的“联系”越来越着迷。这种联系体现在许多方面：互联网快速发展，全球交流的便捷程度，新闻和信息的能量，流行病和金融危机的传播。
这本书借鉴了经济学，社会学，计算机和信息科学以及应用数学的思想，描述了新兴的研究领域。
这些领域正在所有原有领域的交界处发展，并解决了有关社会，经济和技术世界如何连接的基本问题。
《网络社会》
这是一本网络科学的教科书，内容从可视化和交互工具到模拟和数据分析。印刷版于2015年由剑桥大学出版社出版。
传送门
课程主页可以下载PPT和每堂课的讲义
http://web.stanford.edu/class/cs224w/
《网络、人群和市场》
http://www.cs.cornell.edu/home/kleinber/networks-book/
《网络科学》
http://networksciencebook.com/
大咖齐聚！量子位MEET2020智能未来大会
量子位 MEET 2020 智能未来大会回放来啦！李开复、倪光南、景鲲、周伯文、吴明辉、曹旭东、叶杰平、唐文斌、王砚峰、黄刚、马原等AI大咖与你一起读懂人工智能。扫码观看回放吧~ ~
量子位 QbitAI · 头条号签约作者
վ'ᴗ' ի 追踪AI技术和产品新动态
