讨论班 | 时空统计、统计基础、网络分析（2021/11/22-2021/11/28）
1、讨论班简介
时空统计讨论班
本讨论班目前以讲述《Statistics for Spatio-Temporal Data》（Noel Cressie, 2011）为主，辅以经典的时空统计论文阅读。主要内容为时空统计所需要的空间统计、时间序列分析基础，以及在基础之上建立的分层动态时空模型（Hierarchical DSTMs）。
统计基础讨论班
本讨论班目前主要参考书籍为《Statistical Models》(A. C. Davison,2008)，开展目的是为新生补充研究生阶段所需的统计方面的基本知识。
网络分析讨论班
图结构的数据在自然科学和社会科学中都是普遍存在的，这门课程我们将基于《Graph Representation Learning》讨论图的理论以及网络分析的理论，介绍节点嵌入的方法。此外，我们还将介绍图神经网络的应用与理论、图的深度生成模型。
2、时间及地点
3、本期内容概述
时空统计讨论班
区域型数据处理
本周讨论班的主要内容是介绍空间统计中关于区域型数据的处理。
我们将从空间相关性出发，介绍经典的空间相关性度量——莫兰指数，并分别展示空间正相关数据与空间负相关数据的形式。往下，我们还将介绍马尔科夫随机场的定义与性质，Hammersley-Clifford 定理，以及CAR模型。
统计基础讨论班
Nonlinear Regression Models
Response variables are discrete in many applications, and statistical or substantive reasons imply that covariates will appear nonlinearly. Models for dealing with such data may be considered as a generalization of linear models. We will cover two major advances in the GLM, the IRLS, and the exponential family in this class.
网络分析讨论班
邻域重叠度量与谱聚类
本次课我们将在上节课的基础上继续介绍解决图数据中常见任务的基本方法与思路。预测边的任务中，我们需要有效的相似性度量，我们已经介绍了局部构造的度量，在这节课将会介绍全局构造的度量；而对于社区发现问题，我们会介绍用拉普斯矩阵进行谱聚类的方法，这个方法广泛地应用于社区发现。这些介绍与背景知识为我们更好地理解图表示学习打下基础。
