机器心脏报告
机器之心编辑部
今年的GDL100包括常规课程、辅导课程和研讨课程，深入讲解了几何深度学习的基本概念和重要问题。
近年来，数据科学和机器学习取得了长足的进步。借助深度学习的方法，很多高维的学习任务也可以用合适的计算规模来完成。随着研究问题的复杂化和深入化，人们希望找到一套通用的原理来系统地研究深度学习。
深度学习是从对称性和不变性的角度对广义机器学习问题进行几何统一的尝试。其原理不仅是卷积神经网络的突破性性能和图形神经网络近期成功的基础，也为具体问题构造新型归纳偏差提供了原则性方法。
迈克尔·布朗斯坦是几何深度学习的先驱。他与琼·布鲁纳、塔科·科恩和佩塔尔·韦利科维奇共同撰写的《几何中的深度学习》一书是该领域的经典必读之作。
几何深度学习大师迈克尔·布朗斯坦
除了出版书籍，这些作者还在AMMI联合教授了一门几何深度学习的在线课程——GDL 100，这是非洲数学科学研究所推出的研究生培训项目。目前2022年GDL100课程已全部上线，课程视频、讲义等资料可免费在线观看。
课程地址:https://geometricdeeplearning.com/lectures/
2022年GDL100包括12门常规课程、3门辅导课程和5门研讨会。两门常规课程主要介绍几何深度学习的基本概念知识，包括高维学习、几何先验知识、图形与集合、网格、群、测地线、流形、规范等。三个辅导班主要是表现性图形神经网络，组等参神经网络，几何图形神经网络。
五个专题讨论会的主题是:
从多粒子动力学和梯度流的角度对神经网络进行分析；
表达能力更强的GNN子图；
机器学习中的等价性；
层扩散:从拓扑学角度分析GNN的异质性和过度平滑：
使用AlphaFold高精度预测蛋白质结构。
以下是完整的课程列表。
