专题演讲嘉宾：林选磊

图与机器学习有着密不可分的关系，图大大地增强了 AI 的可解释性。特征工程在机器学习中起着举足轻重的作用，当训练存在复杂网络关系的数据时，图特征能反应数据的特点，随着图特征的加入，很大程度地提升了训练效果。通过图论中的社区发现算法，能快速实现非监督学习中的聚类算法。目前很流行的深度学习（神经网络），本身就是图状的结构，因此可以通过图数据库来实现神经网络算法。

听众收益

1. 为什么机器学习和人工智能中需要图？
2. 图是如何为监督学习提供更丰富的特征的？
3. 图算法是如何实现非监督学习的？
4. 如何用图数据库实现神经网络？