～ ニューラルネットワークの基礎、グラフの基礎、GNNのモデル（Spectral methods／Spatial methods／Sampling methods）、GNNの応用技術 ～
・グラフ構造を持つ対象に対し、深層学習を用いたモデル化手法と実装方法とそのポイントを修得する講座！
・ニューラルネットワークやグラフの基礎、GNNの各種モデルと応用例を修得し、自然言語処理、制御技術や最適化システムへ応用しよう！
・デモで紹介するPythonのソースコードを差し上げます
・ＷＥＢ会議システムの使い方がご不明の方は弊社でご説明いたしますのでお気軽にご相談ください。
深層学習は様々な分野でその力を発揮しており、グラフ構造を持った対象に対してもその効果が発揮されています。グラフ構造はあらゆる分野でみられ、社会交流モデリング・新化学物質の探索・知識グラフの構築・推薦システム・交通網分析・文章分類などの幅広い分野にグラフニューラルネットワークは適応可能です。
本講演では、従来の深層学習からはじめて、グラフニューラルネットワークで用いられる基本的なモデルを作りながら、基本的な知識を学びます。また、その応用例を、実装をふまえて理解していきます。
| 開催日時 |
|
|---|---|
| 開催場所 | オンラインセミナー |
| カテゴリー | オンラインセミナー、ソフト・データ・画像・デザイン |
| 受講対象者 |
・グラフニューラルネットワークの実装や応用について興味のある方 ・自然言語処理、制御、異常検知、画像処理、材料開発、製薬、医療、Webシステム、生産・交通・物流などグラフやネットワークが関わるデータ解析に携わる技術者、研究者の方 |
| 予備知識 | ・実装の解説を含むため、Pythonの初歩的な知識があると望ましい |
| 修得知識 |
・グラフニューラルネットワークの基礎知識 ・グラフニューラルネットワークの応用 ・グラフニューラルネットワークの実装 |
| プログラム |
１．基本的なニューラルネットワークについて （１）．全結合層 （２）．畳み込み層・プーリング層 （３）．RNN （４）．生成モデル（GAN） （５）．PyTorch （６）．グラフの基礎 （７）．NetworkX：グラフとネットワークを扱うPythonライブラリ
２．GNNのモデル１：Spectral methods （１）．Spectral Network （２）．ChebNet （３）．GCN （４）．AGCN （５）．DGCN
３．GNNのモデル２：Spatial methods （１）．MPNN （２）．GAT
４．GNNのモデル３：Sampling methods （１）．GraphSage （２）．PinSAGE
２章～４章は、グラフを畳み込む方法によって、3つに分けています。 それぞれの使い方について、５章で紹介します
５．GNNの応用技術 （１）．具体的な応用例について ａ．ロボットの体と関節をグラフにしてGNNと強化学習で姿勢制御 ｂ．医療分野の多剤併用による副作用の予測モデル ｃ．組み合わせ最適化 ｄ．渋滞予測 （２）．総括 |
| キーワード | GNN GAN グラフ Spectral Network GCN MPNN 強化学習 組み合わせ最適化 |
| タグ | AI・機械学習、信号処理、データ分析 |
| 受講料 |
一般 (1名)：49,500円(税込)
同時複数申込の場合(1名)：44,000円(税込) |
| 会場 |
オンラインセミナー本セミナーは、Web会議システムを使用したオンラインセミナーとして開催します。 |
こちらのセミナーは受付を終了しました。
次回開催のお知らせや、類似セミナーに関する情報を希望される方は、以下よりお問合せ下さい。
営業時間 月~金：9:00～17:00 / 定休日：土日・祝日
