テキストとして、「グラフニューラルネットワーク PyTorchによる実装」（村田剛志 著、オーム社/3520円（税込））を使用します。
購入が必要な方は申込時のコメント欄に「テキスト購入希望」と記入下さい。
受講料、テキスト代（実費）を合わせて請求させていただきます。
※本セミナーは開催日が11月15日から変更になりました
1 イントロダクション
1.1 畳み込みニューラルネットワーク
1.2 グラフの深層学習
1.3 グラフを対象としたタスク
2 グラフニューラルネットワークの応用
2.1 画像認識、推薦システム、交通量予測、化合物分類
2.2 COVID-19とグラフニューラルネットワーク
3 グラフエンベディング
3.1 エンベディング
3.2 DeepWalk
3.3 LINE
4 Spectral Graph Convolution
4.1 グラフ畳み込みのアプローチ
4.2 グラフラプラシアン
4.3 グラフフーリエ変換
4.4 ChebNet
4.5 GCN
5 Spatial Graph Convolution
5.1 PATCHY-SAN
5.2 DCNN
5.3 GraphSAGE
6 関連トピック
6.1 Graph autoencoder
6.2 Attention、GAT
6.3 GraphRNN
6.4 動的変化とGNN
6.5 敵対的攻撃とGNN
6.6 GNNの単純化・可能性・限界
6.7 GNNの説明可能性
7 今後の課題
7.1 浅い構造
7.2 動的グラフ
7.3 非構造データ
7.4 スケーラビリティ
8 PyTorchによる実装
8.1 深層学習ライブラリ
8.2 Google Colaboratory
8.3 PyTorch
8.4 PyTorch Geometric
8.5 Open Graph Benchmark
9 今後の学習のための情報源
9.1 サーベイ論文、書籍
9.2 Web上の情報源
9.3 チュートリアル