2020 / 08 / 01
14：10 ~ 14：50
TR413-2
Julia Language
GeometricFlux.jl：Flux 上的幾何深度學習
by
Yueh-Hua Tu
Geometric deep learning 是近年來非常熱門的領域，它可以處理有別於以往的資料，可以應用於社群網路、推薦系統、分子結構及生物網路上。我會介紹在 Julia 上的 geometric deep learning 套件 GeometricFlux。
許多研究資料內含了非歐氏幾何空間上的內在結構。舉繁社會科學中的社交網路分析、生物資訊中的基因共表現網路或是計算圖學上的網格曲面。圖（graph）可以作為一個良好的結構來表示這些資料，將資料的幾何特性定義於圖上，也作為一個可以被神經網路處理的單元。圖神經網路（graph neural network，GNN）是神經網路模型的一個子集。近年來，愈來愈多研究學者在這方面做出貢獻，也有了一些回顧文章。GeometricFlux 目的是在 Flux 深度學習框架的基礎之上支援 GNN 或稱為幾何深度學習（geometric deep learning）。GeometricFlux 會以 Flux 作為自動微分引擎，支援 JuliaGraphs 生態的套件，並提供 CUDA 的加速。
About Yueh-Hua Tu
中央研究院/台灣大學生物資訊學博士生，Julia Taiwan 社群發起人，擁有生物醫學及電腦科學背景，曾任工研院機器學習講師，活躍於台北及台中的深度學習及人工智慧相關社群。熱愛數學、電腦科學及自然科學，為開源軟體貢獻者，GeometricFlux 套件維護者。擁有著作《Julia 程式設計：新世代資料科學與數值運算語言》及《Julia 資料科學與科學計算》二書。