近年来，由于图结构的强大表现力，用机器学习方法分析图的研究越来越受到重视。图神经网络（GNN）是一类基于深度学习的处理图域信息的方法。由于其较好的性能和可解释性，GNN 最近已成为一种广泛应用的图分析方法，可以应用于很多场景。

本次课程通过理论与实践的方式让大家很好地掌握了从图学习到图神经网络的应用。第一天的课程主要介绍了图学习的出现以及越来越多的应用场景。第二天开始介绍图游走类模型，包括deepwalk、node2ve、metapath2vec及其变种，作业也让大家在理解公式的基础上使用paddlepaddle框架实现了deepwalk以及node2vec模型。第三天开始介绍图神经网络GCN和GAT算法，同样在作业中实现了两种模型。第四天学习了图采样，邻居聚合以及GraphSage。第五天老师介绍了百度研发的ERNIESage和UniMP的算法及代码，并开始了论文节点分类的比赛。

总的来说这次课程干货满满，让大家快速理解并掌握了图神经网络，并为今后其他方向的研究提供了思路。今后也将随时关注AI Studio的其他课程和比赛。