想要学习图神经网络却找不到学习资源，快看这里开始学习令人兴奋的深度学习

开始学习令人兴奋的深度学习领域
文章插图
> Photo by Dmitry Ratushny on Unsplash
图神经网络（Graph Neural Networks ， GNN）是一个相对较新的深度学习领域，并且最近变得越来越流行。Twitter ， Google或Facebook之类的大公司投资于GNN研究，因为事实证明它优于其他处理图形数据的机器学习模型。
由于该领域的发展日新月异，因此GNN背后的知识还不那么容易获得。目前，您可以通过研究论文，文章或博客的形式在网络上发现GNN理论。我们缺少的是一本GNN书籍，或者一本在线资源汇编，可以帮助人们从这一领域入手。
经过一些搜索后，我发现实际上有一些相当不错的资源可以用一种易于理解的方式解释GNN 。我希望它将对这个领域的新手有用。让我们开始吧！
1. William L. Hamilton的图表示学习书图表示学习书｜~wlh/grl_book/ 在过去的七年中，图形表示学习领域以令人难以置信的（有时是笨拙的）速度增长。
文章插图
这本书是改变游戏规则的书，目前可以作为预出版物获得，可以在线下载。它从诸如图形理论和传统图形方法的初学者主题开始，到诸如新颖的GNN模型和最新的GNN研究等更高级的主题。它是一种设计良好且自成一体的材料，具有图神经网络所需的大多数理论。
2.斯坦福大学课程笔记—使用图进行机器学习CS224W |网络是建模复杂的社会，技术和生物系统的基本工具。加上…
文章插图
【想要学习图神经网络却找不到学习资源，快看这里】这是斯坦福大学的一门课程，专门研究图形机器学习。它有他们演讲的公开幻灯片以及推荐阅读的书。如果您想系统地学习结构合理的课程，那就很好了。
3.Albert-LászlóBarabási撰写的网络科学书网络科学｜作者：Albert-LászlóBarabási 网络科学的力量，网络可视化之美。
这是一本在线互动式书籍，重点关注图形和网络理论。尽管它没有讨论GNN ，但它是为操作图形奠定坚实基础的绝佳资源。
4. Thomas Kipf博客图卷积网络有多强大？｜现实世界中许多重要的数据集都以图或网络的形式出现：社交网络，知识图…
文章插图
由GNN领域最著名的研究人员之一Thomas Kipf博士创建的优秀博客。在他的文章中，他轻轻地介绍了GNN ，提供了有关新颖方法的文献综述，并讨论了他的论文—图卷积网络的半监督分类。
5. Michael Bronstein博客迈克尔·布朗斯坦（Michael Bronstein）-中｜@michael.bronstein阅读Michael Bronstein在Medium上的文章。@imperialcollege教授，图机器学习研究负责人@Twitter ，机器学习主管…
文章插图
迈克尔·布朗斯坦（Michael Bronstein）是伦敦帝国理工大学的教授，也是Twitter的图学习研究负责人。最近，他开始在Towards Data Science上发表文章。他的博客文章侧重于GNN的数学观点以及该领域的最新发展。他倾向于引用有关GNN的许多其他文章，这可能会帮助您发现其他有趣的文章。
6.生命科学领域的深度学习：将深度学习应用于基因组学，显微镜，药物发现等生命科学深度学习｜深度学习已经在许多领域取得了令人瞩目的成果。现在，它席卷整个科学领域……
文章插图
尽管这种立场与GNN并不完全相同，但本书的一部分提供了GNN模型的实际应用。它说明了如何使用生命科学深度学习库Deepchem将GNN应用于分子数据集。它还讨论了GNN所需的不同预处理方法。
7. Flawnson Tong博客Tong Flawnson-迈向数据科学｜@flawnsontong1阅读来自Flawnson Tong的《走向数据科学》一书。利用机器学习加快科学发展的步伐…
文章插图
Flawnson在Medium上发表了一些有关GNN的介绍性文章。它们面向希望对图神经网络背后的理论有基本了解的初学者。如果您想了解GNN是什么，那就很好。
8.最近的GNN论文集-Github Repothunlp / GNN论文｜#survey-papers 关于图神经网络（GNN）的必读论文。通过在…上创建帐户来为thunlp / GNNPapers开发做出贡献