14-21 липня 2024
Школа познайомить учасників з задачами та техніками, які знаходяться на багатому перетині високовимірної ймовірності, опуклої геометрії та статистичного машинного навчання. Теоретичні основи машинного навчання базуються на високовимірній ймовірності, області, яка керується геометричною інтуїцією.
Четверо провідних дослідників, які працюють у цих напрямках, читатимуть курси лекцій у нашій школі. Шахар Мендельсон (Австралійський національний університет, Австралія) побудував важливі мости між статистичним машинним навчанням і високовимірною ймовірністю. Марк Рудельсон (Університет Мічигану, США) встановив основоположні результати, що поєднують високовимірну ймовірність і багатовимірну опуклу геометрію. Карль Борочки (Інститут математики імені Альфреда Реньї, Угорщина) розвиває евклідову геометрію в широкому сенсі, і зокрема опуклу геометрію у вищих розмірностях. Пьотр Наяр (Варшавський університет, Польща) працює на перетині теорії ймовірності та опуклої геометрії зі зв'язками з теорією інформації.
Заявки можна подавати до 30 квітня
Львів, Україна
Galyna Livshyts, Georgia Tech
Andriy Prymak, University of Manitoba
Kateryna Tatarko, University of Waterloo
Roman Vershynin, University of California, Irvine
Vlad Yaskin, University of Alberta
Tetyana Zakharchenko, Ukrainian Catholic University