少ないデータに対する機械学習、深層学習の適用
【LIVE配信】2024/4/15(月) 10:30~16:30 , 【アーカイブ配信】4/16~4/30 (何度でも受講可能)
お問い合わせ
03-6206-4966
開催日時 | 2024/6/24(月) 10:30-16:30 ※途中、お昼休みと小休憩を挟みます。 |
---|---|
担当講師 | 木山 真人 氏 |
開催場所 | 【会場受講】[東京・大井町]きゅりあん4階研修室 |
定員 | - |
受講費 | 47,300円 |
〇ニューラルネットワークやグラフの基礎、
グラフニューラルネットワーク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ましょう。
≪グラフを使った機械学習の仕組み≫
【提携セミナー】
主催:株式会社情報機構
ニューラルネットワークやグラフの基礎、グラフニューラルネットワーク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ましょう。
◆受講後、習得できること
◆受講対象者
◆必要な予備知識など
◆講演中のキーワード
グラフニューラルネットワーク、ニューラルネットワーク、機械学習、グラフ理論、離散数学、教師あり学習、教師なし学習
◆受講された方の声(一例)
・GNNやグラフ信号処理に興味があり、参加させていただきました。わかりやすい説明でした。
・内容が充実しており気になっていた部分についても丁寧に説明頂きありがとうございました。
・初歩的な質問にも、丁寧にご回答いただき助かりました。ありがとうございました。
・実践的な応用について、どうすればいいか悩んでいました。今回の内容を持ち帰り役立てます。
熊本大学 大学院自然科学研究科 助教 木山 真人 氏
■ご略歴:
2003/3 広島市立大学情報科学研究科情報科学専攻博士課程卒業(博士(情報工学))。
現在、熊本大学 大学院先端科学研究部 情報・エネルギー部門 先端工学第四分野(ビッグデータ)助教。
■ご専門および得意な分野・研究:
深層学習全般・プログラミング言語処理系
1.基本的なニューラルネットワークの復習
1)全結合層・畳み込み層・プーリング層・RNN・Transformer
2)PyTorch
3)グラフの基礎
4)NetworkX:グラフとネットワークを扱うPythonライブラリ
2. 様々なグラフ表現
1) 画像のグラフ表現
2) テキストのグラフ表現
3) その他のデータにおけるグラフ表現
3. グラフを用いたタスク
1) グラフレベル
2) ノードレベル
3) エッジレベル
4. グラフを用いた機械学習の考え方
5. グラフニューラルネットワーク(GNN)
1) 最も単純なGNN
2) プーリング
3) グラフの間のメッセージパッシング
4) エッジ表現の学習
5) グローバル表現の追加
6. グラフニューラルネットワークの設計
1) GNN設計における注意点
2) データセット
3) 様々なグラフの種類
4) GNNにおけるサンプリングとバッチング
5) 部分グラフ関数近似器としてのGCN
6) グラフアテンションネットワーク
7) グラフ説明性と属性
8) グラフ生成モデル
7. グラフニューラルネットワークの応用例
1) ソーシャルネットワークグラフ
2) テキスト分析および自然言語処理
3) 渋滞予測
4). サブグラフマッチング
5) 流量予測
8. 総括
2024年6月24日(月) 10:30-16:30 ※途中、お昼休みと小休憩を挟みます。
【会場受講】[東京・大井町]きゅりあん4階研修室
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
※会場での昼食の提供サービスは中止しております。
*学校法人割引;学生、教員のご参加は受講料50%割引。
●録音・撮影行為は固くお断り致します。
●講義中の携帯電話の使用はご遠慮下さい。
●講義中のパソコン使用は、講義の支障や他の方の迷惑となる場合がありますので、極力お控え下さい。
場合により、使用をお断りすることがございますので、予めご了承下さい。
*PC実習講座を除きます。
★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。