Zapraszamy na seminarium z prof. Justinem Solomonem z Massachusetts Institute of Technology CSAIL i jego wykład pt. Machine Learning Using the Geometry of Datasets and Loss Functions. Prof. Solomon pokaże, jak geometria może poprawić wydajność narzędzi do analizy danych i jak wnioskować o strukturach geometrycznych obecnych w abstrakcyjnych zbiorach. Będzie to niepowtarzalna okazja, by poznać narzędzia optymalizacyjne stosowane w MIT CSAIL.
Gdzie: NASK, Kolska 12, sala 3.10-3.11
Kiedy: 29 marca, środa, 10.00-12.00
Co:
10.00-10:30 – Meet&Greet czyli kawa, Justin i get to know
10:30-11:30 – Wykład: Machine Learning…
11:30-12:00 – Q&A, wszyscy, Justin Solomon i Michał Karpowicz
Jak się zapisać: https://forms.office.com/e/bdwkHjQNb8
Język spotkania: angielski
Kim jest Justin Solomon: http://people.csail.mit.edu/jsolomon/
Słowa kluczowe: machine learning, optimization, geometry
Spotkanie będzie też transmitowane online, ale Was szczególnie zapraszamy do uczestnictwa na miejscu.
Abstract: A variety of machine learning algorithms and models can be understood through a geometric lens, wherein optimization techniques are used to navigate the shape of a dataset or loss landscape. In this talk, Justin Solomon will share a variety of tools at this intersection developed in the MIT Geometric Data Processing group. In particular, employing the machinery of optimal transport and diffusion maps, he will show how geometry can improve performance of data analysis tools and how to infer geometric structures present in abstract datasets.
