オンラインセミナー グラフニューラルネットワーク 深層学習 ディープラーニング pytorch 講習 機械学習

サイトマップサイトマップ よくあるお問合わせよくあるお問合せ リクエストリクエスト セミナー会場セミナー会場へのアクセス リンクリンク
セミナーのメニュー
  ヘルスケア系
ライブ配信
12月
1月
2月
2021年3月〜

化学・電気系 その他各分野
ライブ配信
12月
1月
2月
2021年3月〜
出版物出版物
新刊図書新刊図書 月刊 化学物質管理Gmpeople
通信教育講座通信教育講座
LMS(e-learning)LMS(e-learning)
セミナー収録DVDDVD
電子書籍・学習ソフトDVD
セミナー講師のコラムです。講師コラム
  ↑2020/12/1更新!!
お申し込み・振込み要領お申込み・振込要領
案内登録案内登録
↑ ↑ ↑
新着セミナー、新刊図書情報をお届けします。

※リクエスト・お問合せ等
はこちら→ req@johokiko.co.jp



SSL GMOグローバルサインのサイトシール  



Zoom見逃し視聴あり


オンライン受講/見逃視聴なし → 

オンライン受講/見逃視聴あり → 


★ホットトピックながら情報源の少ないグラフニューラルネットワークを基礎から解説!
★入門知識から様々な手法や研究事例、Pytorchによる実装方法、現在の課題や今後学習を進めるための情報源までを詳解。

グラフニューラルネットワーク入門

〜基礎から様々な手法、応用例と展望まで〜

<Zoomによるオンラインセミナー・見逃し配信あり>

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 先生

講師紹介

■ご略歴:
1990年東京大学理学部情報科学科卒業
1992年同大学院理学系研究科修士課程修了
現在、東京工業大学情報理工学院情報工学系教授 博士(工学)

■ご専門および得意な分野・研究:
人工知能、ネットワーク科学、機械学習

■本テーマ関連学協会でのご活動:
人工知能学会、情報処理学会、日本ソフトウエア科学会、AAAI、ACM各会員

→このセミナーを知人に紹介する

日時・会場・受講料

●日時 2021年2月26日(金) 13:00-17:00 *途中、複数回の小休憩を挟みます。

●受講料
 【オンライン受講(ライブ配信):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(ライブ配信):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。→「セミナー申込要領・手順」を確認下さい。


■ セミナーお申込手順からセミナー当日の主な流れ →

配布資料・講師への質問等について

●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。)

●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。
●受講に際しご質問・要望などございましたら、下記メールにてお問い合わせ下さい。 req@johokiko.co.jp


※本講座は、お手許のPCやタブレット等で受講できるオンラインセミナーです。

下記ご確認の上、お申込み下さい(クリックして展開「▼」:一部のブラウザーでは展開されて表示されます)
・PCもしくはタブレット・スマートフォンとネットワーク環境をご準備下さい。
・ご受講にあたり、環境の確認をお願いしております(20Mbbs以上の回線をご用意下さい)。
 各ご利用ツール別の、動作確認の上お申し込み下さい。
・開催が近くなりましたら、当日の流れ及び視聴用のURL等をメールにてご連絡致します。開催前日(営業日)の12:00までにメールが届かない場合は必ず弊社までご一報下さい。
・その他、受講に際してのご質問・要望などございましたら、下記メールにてお問い合わせ下さい。
 <req@johokiko.co.jp>

Zoom
Zoomを使用したオンラインセミナーとなります(クリックして展開「▼」)
・ご受講にあたり、環境の確認をお願いしております。
 お手数ですが下記公式サイトからZoomが問題なく使えるかどうか、ご確認下さい。
 → 確認はこちら
 *Skype/Teams/LINEなど別のミーティングアプリが起動していると、Zoomでカメラ・マイクが使えない事があります。お手数ですがこれらのツールはいったん閉じてお試し下さい。
 →音声が聞こえない場合の対処例

・Zoomアプリのインストール、Zoomへのサインアップをせずブラウザからの参加も可能です
 →参加方法はこちら
 →※一部のブラウザーは音声(音声参加ができない)が聞こえない場合があります、
   必ずテストサイトからチェック下さい。
   対応ブラウザーについて(公式);コンピューターのオーディオに参加に対応してないものは音声が聞こえません

見逃し視聴あり
申込み時に(見逃し視聴有り)を選択された方は、見逃し視聴が可能です。
(クリックして展開「▼」)
・原則、開催5営業日後に録画動画の配信を行います(一部、編集加工します)。
・視聴可能期間は配信開始から1週間です。
 セミナーを復習したい方、当日の受講が難しい方、期間内であれば動画を何度も視聴できます。
 尚、閲覧用URLはメールでご連絡致します。
 ※万一、見逃し視聴の提供ができなくなった場合、
 (見逃し視聴あり)の方の受講料は(見逃し視聴なし)の受講料に準じますので、ご了承下さい。

 →こちらから問題なく視聴できるかご確認下さい(テスト視聴動画へ)パスワード「123456」


セミナー開催にあたって

■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

セミナー内容

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.最近のトピックス
 1)Attention、GAT
 2)GraphRNN
 3)単純化
 4)可能性・限界の考察
 5)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)PyTorch
 3)PyTorchGeometric
 4)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>

■ご講演中のキーワード:

グラフエンベディング、Spectral Graph Convolution、Spatial Graph Convolution、グラフニューラルネットワーク

セミナー番号:AD210220

top

注目の新刊

雑誌 月刊化学物質管理

マテリアルズ
・インフォマティクス


ドローン

寺子屋統計教室

Spice回路シミュレータ

腸内細菌叢

宇宙ビジネス

粉砕メカノケミカル

滅菌バリデーション

分散剤

分野別のメニュー

化学・電気系他分野別一覧

  植物工場他

  機械学習他

ヘルスケア系分野別一覧

  海外関連

  医療機器

各業界共通
マーケティング・人材教育等

「化学物質情報局」

特許・パテント一覧 INDEX
(日本弁理士会 継続研修)

印刷用申込フォーム    

セミナー用

書籍用

会社概要 プライバシーポリシー 通信販売法の定めによる表示 商標について リクルート
Copyright ©2011 情報機構 All Rights Reserved.