Das Buch "Graph Representation Learning" von William L. Hamilton bietet eine umfassende Einführung in die Methoden und Techniken des Lernens von graphbasierten Daten. Graphen sind in vielen Bereichen der Natur- und Sozialwissenschaften verbreitet, von Telekommunikationsnetzwerken bis hin zur Quantenchemie. In den letzten Jahren hat die Forschung im Bereich des graphbasierten Lernens erheblich zugenommen, wobei neue Ansätze wie tiefe Graph-Einbettungen und neuronale Nachrichtenübertragungsansätze entwickelt wurden. Dieses Fachbuch behandelt die grundlegenden Ziele und methodologischen Grundlagen der Graphentheorie und Netzwerk-Analyse und bietet eine detaillierte Übersicht über verschiedene Methoden zur Erzeugung von Knoten-Einbettungen. Es wird auch das Konzept der Graph Neural Networks (GNN) vorgestellt, das sich als dominierendes Paradigma für das tiefen Lernen mit graphbasierten Daten etabliert hat. Abschliessend werden aktuelle Fortschritte in den tiefen generativen Modellen für Graphen behandelt.