使用 DGL 学习图神经网络 -- The WebConf 2020 教程

在过去的几年里，图神经网络（GNN）已成为一种有前途的新型监督学习框架，能够将深度表示学习的力量带入图和关系数据。

在四月份的 The Web Conference 会议期间，AWS 深度学习科学家和工程师 George Karypis、Zheng Zhang、Minjie Wang、Da Zheng 和 Quan Gan 共同呈现了一个关于 GNN 的教程。

本教程概述了如何使用学习 GNN 来解决各种问题，例如检测欺诈和滥用（例如，恶意账户、欺诈性金融交易、虚假评论）、支持客户推荐（例如，推荐相关产品、职位、文章等）以及开展营销活动（例如，确定谁应获得折扣、识别影响力人物）。

观看视频演示，了解更多关于如何在学习应用中使用 GNN 的信息，并获得 AWS 深度图学习库（Deep Graph Library）的介绍和培训。这是一个新的软件框架，可以简化高效的基于 GNN 的训练和推理程序的开发。

教程章节

1. 图神经网络概述
2. 深度图学习库 (DGL) 概述
3. 用于基本图任务的 GNN 模型
4. 在大型图上进行 GNN 训练
5. 用于实际应用的 GNN 模型