这次的图神经网络的7日打卡营让我学习到了关于人工智能方面的新知识，比如说图可以表示社交网络，我们可以研究图的拓扑结构和连接性，像是通过人与人之间的身份、关系等，进行其他人之间的联系预测，也就是识别中心节点、预测缺失的节点、预测缺失的边。后面又简单学习了DeepWalk采样算法，DeepWalk的思想类似word2vec，使用图中节点与节点的共现关系来学习节点的向量表示，DeepWalk方法是使用随机游走(RandomWalk)的方式在图中进行节点采样。Node2Vec采样算法会根据与上个节点的距离按不同概率采样得到当前节点的下一个节点。GCN图卷积网络是将一个节点周围的邻居按照不同的权重叠加起来。GAT图注意力网络则与GCN不同，其中的边权重变成了节点间的函数，权重与两个节点相关性有关。然后在计算方面，为了减少训练计算量使用了图采样算法，这个算法的优点还允许泛化到新连接关系，在图采样后面还发展到了邻居聚合。

总的来说，本次课程干货满满，虽然说没看懂多少，但是对于我现阶段的学习还是有很大的帮助。