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

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