图机器学习

本书通过系统而全面的介绍，帮助读者深理解和掌握图机器学习的基本原理、方法和技术；同时，通过丰富的案例和实践经验，展示了图机器学习在各个领域的应用价值和广阔前景。 本书基于斯坦福大学图机器学习CS224W课程的内容编写，结合作者自身和团队学生在图机器学习中的痛和实践经验，重新梳理知识脉络，重介绍图机器学习的相关知识，并对前沿的图机器学习会议论文和网络科学的最新发展趋势行探讨与展望。 本书适合所有对图机器学习感兴趣的读者参考。
【推荐语】
1.基于图机器学习方向经典课程——斯坦福大学图机器学习CS224w编写，获得Jure Leskovec教授的授权 2.配套资源丰富，助力学习——配有视频、PPT、代码 3.理论知识 前沿成果 实际应用——降低学习难度
【作者】
武强，兰州大学副研究员。长期从事人工智能与复杂系统领域的交叉研究，参与并主 持多个重科研项目，致力于推动前沿人工智能技术在交通、气象等领域的行业落地应用。多项成果已成功转化并应用于我国城市交通系统。在ICML、KDD、AAAI等国 际AI会议及Future Generation Computer Systems（FGCS）、Knowledge-Based Systems（KBS）等期刊发表论文20余篇。曾荣获谷歌“全球机器学习发者专家” （Google Developer Expert，GDE）称号。著有《人工智能技术基础》《元宇宙中的硬科技》等图书。 吕琳媛，中国科学技术大学教授，“中国青年女科学家奖”“科学探索奖”获得者。 长期从事复杂系统与复杂网络领域的研究，发表学术论文100余篇，谷歌学术引用近2 万次。2019年选《麻省理工科技评论》“中国35岁以下科技创新35人”，2020年获“系统科学与系统工程科学技术奖——青年科技奖”，2022年获Erd?s?CRényi Prize奖。出版《路预测》《重塑：信息经济的结构》《网络渗流》《反常识》等图书。