Graph Neural Networkの概論と実装例を元にしたハンズオンセミナー

内容概要

最近Graph Neural Networkについてちらほら話題に上がるので、概要の解説と
簡単なハンズオンを行うセミナーを企画させていただきました。
https://arxiv.org/abs/1609.02907
前半部分の概論での解説ではベースラインとなった上記の論文の解説に加え、最近の
トレンドなどについて解説いたします。

後半部分では、実装例の解説と実演を行います。
理論や概論と実際の実装例の対応で把握できるようにできればと思います。

これを機にGraph Neural Networkについて知見を深めていただけたら大変嬉しいです！

※
内容としては2019/05/24に実施したものとほぼ同様の範囲で実施しますが、
https://ml-for-experts.connpass.com/event/127716/
今回は基本的なネットワークの構造と実装の対応づけに重点を置きます。

開催日程

7/11（金）
受付： 19:50〜20:00
講義： 20:00〜22:00

※
途中5分ほどの休憩を設ける予定です。

アジェンダ

1. Graph Neural Networkの概論(30分)
　　CNN、グラフ理論などの予備知識の確認を軽く
　　ベースライン論文の解説

2. 最近の研究トレンド(30分)
　　最近の研究トレンドについてお話しします

3. 実装例の解説と実演(50分)
　　実装例の解説、実演及びハンズオンを行います。

※
全体の流れは変えませんが、細かい時間配分は全体バランス考慮して変更する可能性があります。

会場

水道橋駅、神保町駅、九段下駅周辺
千代田区西神田2-7-14 YS西神田ビル2F

対象者

・Graph Neural Networkについて興味がある方
・DNNなどの基本知識がある方
・グラフ理論について基本知識がある方
-> さほど難しくないので、下記記事の読み流し程度の知識があれば大丈夫です。
https://lib-arts.hatenablog.com/entry/intuition_math3

講師プロフィール

中国出身で高校から日本在住。
旧帝国大理学部を卒業し卒業後同大学院を修了、在学中に二度の飛び級を経験。
素粒子力学の分野で博士号を取得後、5年間研究員として勤務したのちに1年間休職。その後
2018年より機械学習系の仕事を行い、2019年4月より独立、様々なプロジェクトで活躍中。
中国語、英語、日本語の三カ国に堪能なグローバル人材でありながら、理論系にも非常に強い。
最近では機械学習系プロジェクトに取り組む傍ら、量子コンピューティングなどについても
知見を深めている。

当日までの準備

Python環境(3.6系推奨)は自前で構築の上、ご参加ください。
事前にこちらのライブラリをインストールしていただければソースコードも動かせます。
https://docs.dgl.ai/install/index.html

グラフ理論について概要知識がある方が良いので、勉強したことのない方は下記記事を軽く読み流して
きていただけたらと思います。
https://lib-arts.hatenablog.com/entry/intuition_math3

費用

4,000円

※
・領収書発行の際は事務手数料として追加1,000円のお支払いをよろしくお願いいたします

定員

8名（人数に合わせて調整します、別媒体でも募集していますので申し込み人数は当日参加者数を反映しません）

ご参加にあたってのお願い

無断欠席や前日以降のキャンセルに関しては当日人数読めなくなり非常に迷惑なので
基本的に行わないようにお願いします。（直前参加は定員的に問題なければ歓迎です！）
体調不良、職務都合、ご家庭の事情などどうしてものケースは別途ご連絡いただくか、
イベントへのお問い合わせよりご連絡いただけますと嬉しいです。
上記がひどいアカウントに関してはブラックリスト処理を行い以後の参加をお断りさせて
いただきますので、その点だけ予めご了承ください。
（7割以上来れる前提でのお申し込みと前日以降のキャンセルはメッセージでのご連絡を
いただくということだけ気をつけていただければ大丈夫だと思います）

モチベーションの高い参加者の方を重視する運営としていきたいと考えています。
ご協力のほど、よろしくお願いいたします。

当日の資料：
https://lib-arts.hatenablog.com/entry/graph_cnn1
https://lib-arts.hatenablog.com/entry/graph_cnn2
https://qiita.com/s_zh/items/d9308f4b9ff1445d8541