……Zoomオンライン受講
……見逃し視聴選択可
●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。
講師
熊本大学 大学院自然科学研究科 助教 木山 真人 氏
講師紹介
■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。
■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
■本テーマ関連学協会でのご活動：
https://www.kumamoto-u.ac.jp/whatsnew/sizen/copy_of_20250217
＜その他関連商品＞
機械学習・AI・データ分析 一覧はこちら
日時・受講料・お申込みフォーム
●日時：2026年6月10日(水) 10:30-16:30 ＊途中、お昼休みや小休憩を挟みます。
●受講料：
【オンライン受講（見逃し視聴なし）】：1名 50,600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39,600円
【オンライン受講（見逃し視聴あり）】：1名 56,100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45,100円
＊「見逃し視聴あり」でお申込の場合、当日のご参加が難しい方も後日セミナー動画の視聴が可能です。
＊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」を確認ください。
＊5名以上でのお申込の場合、更なる割引制度もございます。
ご希望の方は、以下より別途お問い合わせ・お申込みください。
req@*********（*********にはjohokiko.co.jpを入れてください）
お申込みはこちらから
配布資料・講師への質問など
●配布資料はPDFなどのデータで配布いたします。ダウンロード方法などはメールでご案内いたします。
・配布資料に関するご案内は、開催1週前～前日を目安にご連絡いたします。
・準備の都合上、開催1営業日前の12:00までにお申込みをお願いいたします。
（土、日、祝日は営業日としてカウントしません。）
・セミナー資料の再配布は対応できかねます。必ず期限内にダウンロードください。
●当日、可能な範囲でご質問にお答えします。（全ての質問にお答えできない可能性もございます。何卒ご了承ください。）
●ご受講に際しご質問・要望などございましたら、下記メールアドレス宛にお問い合わせください。
req@*********（*********にはjohokiko.co.jpを入れてください）
＊5名以上でのお申込の場合、更なる割引制度もございます。
ご希望の方は、以下より別途お問い合わせ・お申込みください。
req@*********（*********にはjohokiko.co.jpを入れてください）
オンラインセミナーご受講に関する各種案内（必ずご確認の上、お申込みください。）
※メールアドレスの記載誤りについては、以下へご連絡お願いいたします。
req@*********（*********にはjohokiko.co.jpを入れてください）
→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で音声が聞こえない、カメラ・マイクが使えないなどの事象が起きる可能性がございます。お手数ですが、これらのアプリは閉じた状態にてZoomにご参加ください。
→音声が聞こえない場合の対処例
→一部のブラウザは音声が聞こえないなどの不具合が起きる可能性があります。
対応ブラウザをご確認の上、必ず事前のテストミーティング をお願いします。
（iOSやAndroidOS ご利用の場合は、アプリインストールが必須となります）
→見逃し視聴について、 こちらから問題なく視聴できるかご確認ください。（テスト視聴動画へ）パスワード「123456」
＜見逃し視聴ご案内の流れ・配信期間詳細＞
セミナーポイント
■はじめに
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。
■ご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
■受講対象者：
・グラフニューラルネットワークに興味があるが実際に使ったことが無い方
・グラフニューラルネットワークの理論と基本モデルについて学びたい方
・グラフニューラルネットワークの応用例について知りたい方
■必要な予備知識や事前に目を通しておくと理解が深まる文献、サイトなど：
・ニューラルネットワークに関する基礎知識があることが望ましい。
・Pythonについて少しでも知っていると良い。
■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
・Pythonでのグラフ処理の仕方
・応用事例
■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。
・講義はインタラクティブで、様々な質問に答えていただけたお陰で非常にためになりました。ありがとうございました。
セミナー内容
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
お申込みはこちらから
セミナーコード：AD2606E2
