딥러닝 공부방

https://www.youtube.com/watch?v=P-m1Qv6-8cI&list=PLoROMvodv4rPLKxIpqhjhPgdQy7imNkDn&index=3 graph representation 의 선택에 대해서 소개한다 그래프 또는 네트워크의 구성요소는 무엇일까? 네트워크는 객체들의 두 종류로 구성된다 이 객체들을 노드(node) 또는 정점(vertice)라고 부른다. 이들 사이에 상호작용 또는 엣지를 갖는다. 그래프에 대해 무엇이 중요할까? 그래프는 common language이다. 적절한 graph representation을 선택하는 것은 중요하다. node와 edge를 무엇으로 선택하는지는 중요하다. 데이터셋이 주어졌을 때, node와 edge를 어떻게 선택할까? 유향 그래프와 무향 그래..

https://www.youtube.com/watch?v=aBHC6xzx9YI&list=PLoROMvodv4rPLKxIpqhjhPgdQy7imNkDn&index=2 이번 강의에서는 graph 머신 러닝과 넓은 분야에 적용한 영향들을 소개한다. 여러 종류의 task를 fomulate 한다. graph가 적용되는 예시를 보여준다. protein은 amino acid의 sequence인데 graph를 사용하여 protein의 3D 구조를 예측할 수 있다. 구글의 AlphaFold가 문제를 풀었다. node가 amino acid이고 edge가 가까운 amino acid. 여러 약을 혼합해서 먹을때 발생하는 부작용도 graph problem으로 볼 수 있다/ 위 drug 문제를 grpah 로 어떻게 fomulat..

https://www.youtube.com/watch?v=JAB_plj2rbA&list=PLoROMvodv4rPLKxIpqhjhPgdQy7imNkDn&index=1 graph는 관계 또는 상호작용으로 entities를 분석하거나 설명하기 위한 일반적인 언어이다. entity들이 위 그림처럼 그래프 구조 또는 연결에 따라 관계된다. 많은 데이터들이 그래프로 표현된다. 더 나은 예측을 위해 이 관계 구조의 이점을 어떻게 취해야 할까? 복잡한 도메인은 풍부한 관계 구조를 갖고 있고 이는 ralational graph로 표현될 수 있다. 관계들을 모델링 함으로써 더 나은 성능을 얻을 수 있다. 오늘날 딥러닝은 간단한 데이터에 특화되어있다. text나 speech 같은 seqeunce 데이터, 이미지는 고정된 크..