一周值得学：集智学园新课视频速览 | 12.07-12.13
本期内容概览：
-
刘宗华：复杂网络上的流行病传播 -
因果表示学习 -
傅渥成：漫谈蛋白质结构预测问题 -
书籍领读：传播现象 -
大规模图上的组合优化问题
刘宗华：复杂网络上的流行病传播
课前采访
课程概览
本课程中，主要内容包括：流行病传播的基本概念与模型、传播方程与阈值、反应-扩散模型、免疫策略与溯源、以及简单介绍复杂网络上流行病传播的一些近期研究结果。
课程学习
学习地址：
https://campus.swarma.org/course/175
因果表示学习
课程概览（葛春江）
课程概览（徐博文）
本课程是“因果科学与Causal AI”读书会将进行第十一期的线上论文分享，主题是“因果表示学习”，将由清华在读博士葛春江、北京大学信科学院在读硕士徐博文来进行分享。
表示学习在近些年来在诸多领域取得了重要的进展，伴随着重要性能指标的大幅提升，表示学习将很多的模型从实验室推向了工业界应用。在这个过程中，研究人员也注意到了表示学习存在的诸多问题，深度神经网络缺乏可解释性，人们并不能了解神经内滚落到底提取了什么样的特征，因此深度神经网络也饱受对抗样本的困扰。研究人员为了解决这个问题将关注点投入了因果推断这个学科，将因果推断和表示学习结合可能是未来解决相关问题的关键方法。
课程学习
课程学习
学习地址：
https://campus.swarma.org/course/2174
傅渥成：漫谈蛋白质结构预测问题
课程概览
课程背景
课程背景
本课程中，结合近期的热点话题 AlphaFold2，漫谈蛋白质结构预测问题。
课程大纲
课程大纲
-
蛋白质的结构和功能
-
何为蛋白质折叠问题?
-
蛋白质的结构与结构测定的实验方法
-
蛋白质的结构预测
-
CASP13 中的表现
-
CASP14 中的新突破 (AlphaFold 2)
-
结构预测的比赛
-
结构预测的经典方法
-
深度学习方法的应用
-
AlphaFold 方法的发展和新突破
-
讨论和展望
-
结构生物学:颠覆或者重生?
-
可解决的和尚未被解决的问题
课程学习
学习地址：
https://campus.swarma.org/course/2202
书籍领读：传播现象
课程概览
本课程中，将讲解巴拉巴西网络科学书籍的第九章传播现象这部分内容。
课程背景
课程背景
针对重点部分进行详细讲解，刘宗华老师在复杂网络上的流行病传播课程 中，详细讲的不做重复。本章的进阶阅读穿插其中：
-
流行病建模
-
网络上的流行病模型
-
免疫
-
总结
课程学习
课程学习
学习地址：
https://campus.swarma.org/course/2201
大规模图上的组合优化问题
GCOMB: Learning Budget-constrained Combinatorial Algorithms over Billion-sized Graphs课程概览
本文提出监督学习+强化学习两阶段的框架：监督学习部分利用GCN学习出节点的作为候选解的优劣，强化学习部分在比较好的节点中选出问题的解。
课程背景
课程背景
18年的S2V-DQN是第一篇尝试学习如何求解图上组合优化问题的工作，它以及后续的工作主要都集中于如何提升算法的逼近程度，而没有特别考虑在大图上的效率和扩展性，这次介绍的工作GCOMB主要关注这个问题。本文的能够扩展到上亿节点的核心是，计算密集型的步骤只在比较“好”的节点上进行计算。本文提出监督学习+强化学习两阶段的框架：监督学习部分利用GCN学习出节点的作为候选解的优劣，强化学习部分在比较好的节点中选出问题的解。在实际应用中，第一阶段筛除了图上的大部分“无用”节点，使得计算密集型的第二阶段所需考虑的备选节点大大减少，从而完成加速。
课程学习
课程学习
学习地址：
https://campus.swarma.org/course/2200
集智学园超级VIP开放
如果你是长期关注集智的老朋友，还有另一个好消息告诉你：我们首次对外公开了VIP申请通道。
成为集智VIP，你就是集智自己人了。话不多说，上图：
微信扫一扫,分享到朋友圈
