快放假了，来学习吧~

GNN科研入门计划第二期：图神经网络理论、时间序列预测（时空模型）

面向对象：GNN科研入门的大三、大四、研一、博一学生

要求：掌握基本的Python、Pytorch语法 

形式：线上代码讲解+作业布置/讲解+组会+研究方向讨论

1. 图神经网络理论

周期：3个月，5次授课（全是直播形式），2h/次

价格：149元

具体内容：

1. 空间域卷积理论

2. 谱域卷积理论

3. 谱域卷与空间域卷积的关系

4. 消息传递

5. GCN的底层实现（PyG版）

6. 谱域滤波器设计

7. 项目代码讲解一：GAT、GraphSAGE

8. 项目代码讲解二：BernNet: Learning Arbitrary Graph Spectral Filters via Bernstein Approximation

9. 项目代码讲解三：LON-GNN: Spectral GNNs with Learnable Orthonormal Basis

2. 时间序列预测

周期：3个月，8次授课（2次录播+6次直播），2h/次

价格：199元

注意：项目会有一定难度，都是最新的科研论文项目代码讲解

具体内容：

1.  Graph WaveNet: Graph WaveNet for Deep Spatial-Temporal Graph Modeling

2.  Ada-STNet: Adaptive Spatio-temporal Graph Neural Network for traffic forecasting

3. AdapGL:  Adaptive Graph Spatial-Temporal Transformer Network for Traffic Flow Forecasting

4. TSAT: Expressing Multivariate Time Series as Graphs with Time Series Attention

5. STGODE: Spatial-Temporal Graph ODE Networks for Traffic Flow Forecasting

6. TLNets: Transformation Learning Networks for long-range time-series prediction

7. GRAM-ODE: Graph-based Multi-ODE Neural Networks for SpatioTemporal Traffic Forecasting

8. 二选一

   GraFITi: Forecasting Irregularly Sampled Time Series using Graphs

   STID: Spatial-Temporal Identity: A Simple yet Effective Baseline for Multivariate Time Series Forecasting