FIDLE / Travailler avec des données structurées : Graph Neural Network (GNN)

Автор: CNRS - Formation FIDLE

Загружено: 2024-02-15

Просмотров: 12457

Описание:

Vos données ne sont pas naturellement ordonnées sur une grille régulière ?
Vous souhaitez représenter des objets complexes ou des interactions ? des molécules ? un réseau ?

Cette situation est probablement la votre si vous travaillez dans des domaines scientifiques tels que la biologie, la chimie, les sciences humaines et sociales, etc.

Face à de telles données, pas de panique :-)

Vous avez la possibilité de faire du Deep Learning avec une famille de méthodes développées spécialement pour les graphes : Les réseaux de neurones sur graphes (GNN).

Durant cette séquence, nous vous présenterons les bases permettant d'utiliser ces GNN.

Le plan est le suivant :
Introduction des notions fondamentales pour l'étude des graphes
Apprentissage sur les graphes
Exemples d'architectures (Graph Convolution Network, Message Passing, Graph attention)
Mise en pratique avec pytorch geometric

Durée : 2h00

Pour rappel, FIDLE est une Formation d'Introduction au Deep Learning, libre et gratuite.
Pour en savoir plus : https://fidle.cnrs.fr

Cette vidéo est sous licence Créative Common CC BY-NC-ND 4.0

FIDLE / Travailler avec des données structurées : Graph Neural Network (GNN)

Доступные форматы для скачивания:

Скачать видео mp4

Информация по загрузке:

Скачать аудио mp3

Похожие видео

FIDLE / Autoencodeur (AE), un exemple d'apprentissage auto-supervisé !

FIDLE / Autoencodeur (AE), un exemple d'apprentissage auto-supervisé !

Graph Neural Network (GNN) : Travailler avec des données structurées (épisode 10)

Graph Neural Network (GNN) : Travailler avec des données structurées (épisode 10)

FIDLE / Bases , concepts et histoire des réseaux de neurones

FIDLE / Bases , concepts et histoire des réseaux de neurones

FIDLE / Principes et concepts des réseaux de neurones convolutifs (CNN)

FIDLE / Principes et concepts des réseaux de neurones convolutifs (CNN)

FIDLE / Tactiques et stratégies du Deep Reinforcement Learning

FIDLE / Tactiques et stratégies du Deep Reinforcement Learning

FIDLE / Méthodologie des modèles et de l'apprentissage

FIDLE / Méthodologie des modèles et de l'apprentissage

ENERGIE NOIRE – REMISE EN QUESTION DU MODÈLE STANDARD COSMOLOGIQUE | NATHALIE PALANQUE-DELABROUILLE

ENERGIE NOIRE – REMISE EN QUESTION DU MODÈLE STANDARD COSMOLOGIQUE | NATHALIE PALANQUE-DELABROUILLE

LLM и GPT - как работают большие языковые модели? Визуальное введение в трансформеры

LLM и GPT - как работают большие языковые модели? Визуальное введение в трансформеры

Génération de données en IA par transport et débruitage (1) - Stéphane Mallat (2024-2025)

Génération de données en IA par transport et débruitage (1) - Stéphane Mallat (2024-2025)

Bases, concepts et histoire du Deep Learning, l'IA c'est quoi ? (épisode 1)

Bases, concepts et histoire du Deep Learning, l'IA c'est quoi ? (épisode 1)

Graph Neural Networks - a perspective from the ground up

Graph Neural Networks - a perspective from the ground up

FIDLE / Variational Autoencoder (VAE), ou comment jouer avec les espaces latents

FIDLE / Variational Autoencoder (VAE), ou comment jouer avec les espaces latents

L'apprentissage par réseaux de neurones profonds (1) - Stéphane Mallat (2018-2019)

L'apprentissage par réseaux de neurones profonds (1) - Stéphane Mallat (2018-2019)

Понимание графовых сетей внимания

Понимание графовых сетей внимания

L'apprentissage profond : une révolution en intelligence artificielle - Yann LeCun (2016)

L'apprentissage profond : une révolution en intelligence artificielle - Yann LeCun (2016)

FIDLE / Ingénierie de l'Inférence et mise en production : Quand le rêve devient réalité !

FIDLE / Ingénierie de l'Inférence et mise en production : Quand le rêve devient réalité !

FIDLE / Generative Adversarial Networks (GAN)

FIDLE / Generative Adversarial Networks (GAN)

Seq. 09 / Graph Neural Networks

Seq. 09 / Graph Neural Networks

Méthodologie et optimisation de l'apprentissage (épisode 11)

Méthodologie et optimisation de l'apprentissage (épisode 11)

Introduction au Machine Learning

Introduction au Machine Learning