新书速览图神经网络基础、模型与应用实战

掌握PyTorch图神经网络基础与模型，实战自然语言处理、计算机视觉、推荐系统、社交网络应用开发

本书内容

图神经网络不仅能够解决传统机器学习方法无法解决的图数据问题，而且能够应用于许多实际场景，例如社交网络、药物发现、网络安全、金融风控 等。《图神经网络基础、模型与应用实战》旨在为初学者和实践者 提供一个详细、全面的入门指南，围绕图神经网络基础、模型、应用实战（均采用Python+PyTorch实现）等方面进行介绍。《图神经网络基础、模型与应用实战》配套示例源码、数据集、PPT课件 。

《图神经网络基础、模型与应用实战》共分9章，内容包括图神经网络概述 、PyTorch开发环境搭建、数据集的获取与加载、图神经网络模型 、图神经网络在自然语言处理领域的应用、图神经网络在计算机视觉领域的应用、图神经网络在推荐系统领域的应用、图神经网络在社交网络领域的应用、图神经网络的挑战和机遇。其中，每个领域的应用都包括1~3个实战项目 ，可以帮助读者快速掌握图神经网络。

本书作者

兰伟，广西大学计算机与电子信息学院副教授，博士研究生导师，中南大学博士。主要研究方向为机器学习、数据挖掘、生物信息学。在国际知名期刊和会议上发表论文60余篇，先后出版专著2部，获省部级奖项1项。

本书读者

《图神经网络基础、模型与应用实战》适合图神经网络初学者 、图神经网络算法开发人员 、深度学习算法开发人员，也适合高等院校或高职高专图神经网络相关课程的师生教学参考 。

编辑推荐

十多个应用案例，基于PyTorch实现，带你快速掌握图神经网络应用开发

图卷积网络实现

图注意力网络实现

图自编码器实现

图生成网络实现

文本分类实现

情感分析实现

目标检测实现

图像生成实现

用户兴趣建模实现

推荐算法实现

广告推荐实现

社交网络分析实现

社交网络关系预测实现

社交网络推荐实现

本文摘自《图神经网络基础、模型与应用实战》，获出版社和作者授权发布。

开放下载！邱锡鹏教授教科书《神经网络与深度学习》

从2016到2019，根据多年教学和研究经验，邱锡鹏教授完成了深度学习教科书《神经网络与深度学习》！目前这本教科书的全书内容、习题和PPT资源都已经开放。

这本书从基础到研究前沿介绍了深度学习的核心概念与理论。我们不仅能了解到全连接、卷积和循环等基本深度神经网络网络，同时还能学习到前沿的 Transformer 等模型，当然所需的数学基础在附录也都是有提供的。这本 446 页的深度学习开放教科书，足够我们了解 DL 的前前后后。

邱老师是复旦大学计算机科学技术学院的副教授与博士生导师，他目前主要从事自然语言处理、深度学习等方向的研究，在 ACL、EMNLP、AAAI、IJCAI 等计算机学会 A/B 类期刊、会议上发表 50 余篇学术论文。此外，邱老师还是 FudanNLP 的开发者和 FastNLP 的负责人，这两个开源项目都旨在提供更好的 NLP 工具。

如下我们将截取原书部分内容与练习题，希望其能介绍整体结构与大致内容。作为一本优秀的深度学习中文教科书，它真的值得大家下载与阅读。

前言

本书的写作目的是使得读者能够掌握神经网络与深度学习技术的基本原理，知其然还要知其所以然。全书共 15 章。第 1 章是绪论，介绍人工智能、机器学习、深度学习的概要，使读者对相关知识进行全面的了解。第 2、3 章介绍了机器学习的基础知识。

第 4、5、6 章分别讲述三种主要的神经网络模型：前馈神经网络、卷积神经网络和循环神经网络。第 7 章介绍神经网络的优化与正则化方法。第 8 章介绍神经网络中的注意力机制和外部记忆。第 9 章简要介绍了一些无监督学习方法。第 10 章中介绍一些和模型独立的机器学习方法：集成学习、协同学习、自学习、多任务学习、迁移学习、终身学习、小样本学习、元学习等。这些都是目前深度学习的难点和热点问题。

第 11 章介绍了概率图模型的基本概念，为后面的章节进行铺垫。第 12 章介绍两种早期的深度学习模型：玻尔兹曼机和深度信念网络。第 13 章介绍最近两年发展十分迅速的深度生成模型：变分自编码器和对抗生成网络。第 14 章介绍了深度强化学习的知识。第 15 章介绍了应用十分广泛的序列生成模型。

2015 年复旦大学计算机学院开设了《神经网络与深度学习》课程，当时还没有关于深度学习的系统介绍。讲好深度学习并不是一件容易的事，课程涉及知识点非常多并且比较杂乱，也和实践结合十分紧密。作为任课教师，我尝试将梳理了深度学习的知识体系，并写了一本讲义放在网络上。