WSDM'21教程：具有深图库的可扩展图神经网络 时间： 2021年3月8日，上午9:30-下午12:00（GMT + 2） 作者：来自亚马逊AI的大正，王敏杰，甘泉，宋松，张正 从图和关系数据中学习在许多应用程序中起着重要作用，包括社交网络分析，市场营销，电子商务，信息检索，知识建模，医学和生物科学，工程学等。 在过去的几年中，图形神经网络（GNN）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功能引入图形和关系数据。 这项不断发展的研究表明，GNN在诸如链接预测，欺诈检测，目标配体结合活性预测，知识图完成和产品推荐等问题上达到了最先进的性能。 实际上，许多现实世界的图都非常大。 迫切需要一种可扩展的解决方案，以在大型图形上有效地训练GNN。 本教程将概述GNN背后的理论，讨论GNN非常适合的问题类型，并介绍一些最广泛使用的GNN模型架构以及旨在解决的问题/应用程序。 它将引入

ANSYS Fluent Workbench Tutorial Guide r190附带教学例程，Fluent流体、流场仿真必备材料。 Fluent作为最高级、最通用的流体仿真软件，是不可获取的仿真工具。

practical2-Basic Modifications & Analysis-shuman-dagon CESM_CLM5.0模型基本参数设置

practical4-wieder CESM_CLM5.0模型单点模拟singlepoint及spinup

practical1-Running CLM & Basic analysis-lombardozzi CESM_CLM5.0模型起始入门

This book instructs readers on the nuances of DRAM design, making it accessible for both novice and practicing engineers and covering particular information necessary for working with both the analog and digital circuits present in DRAM chips.

NLP学习指南 本教程致力于帮助同学们快速入门NLP，并掌握各个任务的SOTA模型。 各任务模型列表汇总：，，，（todo）， 各任务概述和技巧：，文本匹配，序列标注，文本生成，语言模型 之后就可以开始逐个击破，但也不用死磕，控制好目标难度，先用三个月时间进行第一轮学习： 读懂机器学习，深度学习原理，不要求手推公式 了解经典任务的基准，动手实践，看懂代码 深入一个应用场景，尝试自己修改模型，提升效果 迈过了上面这道坎后，就可以重新回归理论，提高对自己的要求，某种手推公式，盲写模型，拿到比赛Top等。 第一步：基础原理 机器学习最初入门时对数学的要求不是很高，掌握基础的线性代数，概率论就可以了，正常读下来的理工科大学生以上应该都没问题，可以直接开始学，碰到不清楚的概念再去复习。 统计机器学习部分，建议初学者先看懂线性分类，SVM，树模型和图模型，这里推荐李航的“统计学习方法”，薄的摸起来没有

rys-git-tutorial.epub

DTLS-示例：使用OpenSSL通过SCTP和UDP进行DTLS的示例

大数据面试题，大数据成神之路开启...Flink/Spark/Hadoop/Hbase/Hive... 已经更新100+篇~ 关注公众号~ 大数据成神之路目录 大数据开发基础篇 :skis: Java基础 :memo: NIO :open_book: 并发 :guitar: JVM :dollar_banknote: 分布式 :floppy_disk: Zookeeper :oncoming_fist: RPC :artist_palette: Netty :laptop: Linux Java基础 NIO 并发容器 JVM 分布式 zookeeper RPC Netty Linux 大数据框架学习篇 Hadoop Hive Spark Flink HBase Kafka Zookeeper Flume Sqoop Azkaban 大数据开发实战进阶篇 这里的文章主要是我平时发表在公众号，博客等的文章，精心挑选，以飨读者。 Flink实战进阶 Sp