112/03/02 圖機器學習及其應用
時間：112年3月2日(星期四) 15:00-17:00
地點：大仁樓301室
主持人：沈錳坤 老師
演講者：成大數據所 李政德 教授
演講題目：圖機器學習及其應用
演講摘要：
圖結構(Graph)可用來描述個體彼此間的各種關聯與互動，基於圖資料(Graph Data)的機器學習下游任務，包含最重要的節點分類與連結預測，屬於「圖機器學習」(Graph Machine Learning)的範疇。深度學習方法的進步，使得我們得以有效學習表示圖資料上的節點特徵表示向量，稱為圖特徵表示學習(Graph Representation Learning, GRL)，甚至將節點特徵生成和下游任務同時進行訓練，為圖神經網路(Graph Neural Networks, GNN)。在這個演講中，我們將簡介GRL與GNN這系列當前圖機器學習最重要的技術，透過研究成果展示圖機器學習優越且廣泛的特徵表示學習能力，能夠漂亮地融入未能事先擁有圖結構的各種資料類型上，包含表格式資料(Tabular Data)的分類、回歸、遺失值處理、與異常偵測，也可應用於自然語言處理包含假訊息偵測與文本分類、時間序列預測等任務，我們也會給聽眾各種GNN可應用於推薦系統、電腦視覺、藥物開發的例子，期待聽眾能了解並能嘗試把圖機器學習帶回自己的研究領域和專案任務中。若時間允許，我們也將介紹圖機器學習在可信任人工智慧下的發展方向。