home.md

@@ -7,29 +7,35 @@ Cette formation est totalement **libre sur youtube, gratuite et ouverte à toute
 
 ## Prochaine séquence
 
+
 <table>
 <tr>
 <th> 
-<b>Séquence 9 : Jeudi 8 février 14h : <br>"Attention Is All You Need", quand les Transformers changent la donne !</b>
+<b>Séquence 10 : Jeudi 15 février 14h : <br>"`Travailler avec des données structurées` : Graph Neural Network (GNN)</b>
 </th>
 
 </tr>
 <tr>
 <td> 
 
-[<img src="uploads/07260a8da3bb4d08f9aac0c9a95f66ab/Live-9a-xs.png" width=400px>](https://www.youtube.com/@CNRS-FIDLE)
 
-De ChatGPT à DeepL ou AlphaFold, les **Transformers** sont **omniprésents** et ont objectivement **révolutionnés** **le monde de l'IA** :-)
 
-Proposé par **Ashish Vaswani** \[1\] en **2017**, sous le titre **"Attention Is All You Need"**, les **Transformers** sont des réseaux de type "séquence to sequences", tout comme les RNN vus lors de la dernière séquence. Leur force réside dans leur capacité à **pondérer  l'importance** de **chaque terme** de la séquence et à être fortement parallélisables.<br>
+Décrire un objet peut être très complexe. Si la représentation d'une image ou d'un signal
+peut se faire de manière relativement simple avec une matrice (tenseur) ou un vecteur,
+comment représenter une molécule, un réseau ou plus généralement un système complexe 
+comportant des interactions ?<br>
+
+Comment travailler avec de tels objets, effectuer une prédiction ou une classification ?<br>
 
-Au menu de cet épisode :<br>
-  - **Concept** et **utilisation** des transformers<br>
-  - Principe du **mécanisme d'attention** et du **multi-head attention**<br>
-  - **Architectures** des transformers (auto-regressive, auto-encoding et encoder decoder)<br>
-  - **Pré-entraînement** (BERT et GPT)<br>
-  - **Fine tuning**<br>
-  - **Utilisation** des transformers dans les autres domaines<br>
+Les Graph Neural Networks (GNN) sont des réseaux de neurones capables de travailler
+avec des données représentants des graphes et leur domaines d'applications sont
+extrêmement vastes : Drug design, détection de fraude, recommandation, etc.<br>
+
+Au sommaire de cette séquence : 
+ - Omniprésence et problématique des graphes
+ -  Approches classiques 
+ - Les GNN 
+ - Cas d’usages
 
 Durée : 2h00
 </td>
@@ -42,6 +48,7 @@ En direct sur notre chaine **YouTube** - https://www.youtube.com/@CNRS-FIDLE
 </tr>
 </table>
 
+
 Pour en savoir plus :
 
 - A propos de la [**formation Fidle**](https://fidle.cnrs.fr/presentation)