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 : fidle.cnrs.fr
Cette vidéo est sous licence Créative Common CC BY-NC-ND 4.0

[@djidaboukari7040]

merci pour la formation 😊😊

[@CNRS-FIDLE]

Merci beaucoup pour votre intérêt !!

[@ngomserignefallou3785]

Svp est-ce que je peux avoir un exemple de programmation en python sur les MIMO massif et nous remercions des cours en ligne aux quels vous nous dispensez un grand merci à vous franchement

[@CNRS-FIDLE]

Merci beaucoup pour ce retour et cette suggestion ! Nous allons voir s'il est possible de proposer de tels exemples

[@teyssieuman]

Je n'arrives pas trouver les notebook correspondant au TP. Quelqu'un peut il m'aider ?

[@CNRS-FIDLE]

Bonjour, désolé pour ce retard dans notre réponse... Vous pouvez retrouver tous les notebooks, supports et autres informations utiles sur notre site fidle.cnrs.fr :-) nb : Ce TP est avec les supports de cours

[@lolo6795]

Merci

[@CNRS-FIDLE]

Merci également !

[@zixingqiu2062]

Merci pour l'excellent contenu, je me demande où l'on peut trouver le notebook du TP car ni le code hub ni le docker ne contiennent ce fichier. Merci !

[@CNRS-FIDLE]

Oui, désolé, ce TP est actuellement disponible à coté des supports de cours Nous sommes en train de l'intégrer dans le dépôt et le Docker