○まとまった情報が手に入りにくい、グラフニューラルネットワークを基礎から包括的に解説！

○知っておくべき基本から、様々な手法や研究事例、Pytorchによる実装法、

　最新トピックスと今後学習を進めるための情報源まで。

グラフニューラルネットワーク入門
《基礎・様々な手法・応用例・関連トピックス・展望》

【提携セミナー】

主催：株式会社情報機構

◆　はじめに：
深層学習は、画像認識や自然言語処理などの分野において華々しい成果を収めてきており、それをグラフに対して適用するための研究が近年非常に盛んになってきている。グラフやグラフ中の頂点を高精度に分類することができれば、高度な画像認識、推薦システム、交通量予測、化合物分類などへの応用が期待できる。その一方で、グラフを扱う上での固有の問題やチャレンジがあることも指摘されてきている。

本講演では、グラフニューラルネットワークの基本的な知識およびいくつかの研究事例について紹介するとともに、今後の学習のための情報源などについても述べる。

◆　受講対象者

深層学習のグラフへの適用に興味がある方。

◆　必要な予備知識

画像認識における畳み込みなど、深層学習についての基礎知識があることが望ましい。

◆　本セミナーで習得できること

• 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
• 今後の学習のための情報源
  など

◆　受講者特典：
講師著書「グラフニューラルネットワーク PyTorchによる実装」（2022/07/20・オーム社）を郵送にて進呈します。
＊お申込みタイミングによっては、終了後に届く可能性もございます。（その場合でもご受講に支障はありません）

担当講師

東京工業大学　情報理工学院　情報工学系　教授　村田 剛志 氏

セミナープログラム（予定）

１．イントロダクション
1）畳み込みニューラルネットワーク
2）グラフの深層学習
3）グラフを対象としたタスク

２．グラフニューラルネットワークの応用
1）画像認識、推薦システム、交通量予測、化合物分類
2）COVID-19とグラフニューラルネットワーク

３．グラフエンベディング
1）エンベディング
2）DeepWalk
3）LINE

４．Spectral Graph Convolution
1）グラフ畳み込みのアプローチ
2）グラフラプラシアン
3）グラフフーリエ変換
4）ChebNet
5）GCN

５．Spatial Graph Convolution
1）PATCHY-SAN
2）DCNN
3）GraphSAGE

６．関連トピックス
1）Graph autoencoder
2）Attention, GAT
3）GraphRNN
4）動的変化とGNN
5）敵対的攻撃とGNN
6）GNNの単純化・可能性・限界
7）GNNの説明可能性

７．今後の課題
1）浅い構造
2）動的グラフ
3）非構造データ
4）スケーラビリティ

８．Pytorchによる実装
1）深層学習ライブラリ
2）Google Colaboratory
3）PyTorch
4）PyTorch Geometric
5）Open Graph Benchmark

９．今後の学習のための情報源
1）サーベイ論文、書籍
2）Web上の情報源
3）チュートリアル

＜質疑応答＞

公開セミナーの次回開催予定

開催日

2022年10月26日（水）　13:00-17:00　＊途中、小休憩を挟みます。

開催場所

【Live受講】 Live配信セミナー（リアルタイム配信）　※会社・自宅にいながら学習可能です※

オンライン配信のご案内

★　Zoomによるオンライン配信

★　見逃し視聴

については、こちらをご参照ください

受講料

【オンライン受講：見逃し視聴なし】　1名41,800円(税込（消費税10％）、資料付)
＊1社2名以上同時申込の場合、1名につき30,800円

【オンライン受講：見逃し視聴あり】　1名47,300円(税込（消費税10％）、資料付)
＊1社2名以上同時申込の場合、1名につき36,300円

＊学校法人割引；学生、教員のご参加は受講料50％割引。

配布資料

●配布資料はPDF等のデータで送付予定です。受取方法はメールでご案内致します。
　（開催1週前～前日までには送付致します）。
＊準備の都合上、開催1営業日前の12:00までにお申し込みをお願い致します。
（土、日、祝日は営業日としてカウント致しません。）

備考

●当日、可能な範囲で質疑応答も対応致します。
（全ての質問にお答えできない可能性もございますので、予めご容赦ください。）
●本講座で使用する資料や配信動画は著作物であり
無断での録音・録画・複写・転載・配布・上映・販売等を禁止致します。

お申し込み方法

★下のセミナー参加申込ボタンより、必要事項をご記入の上お申し込みください。

★【オンラインセミナー（見逃し視聴なし）】、【オンラインセミナー（見逃し視聴あり）】のいずれかから、ご希望される受講形態をメッセージ欄に明記してください。