Школа познайомить учасників з задачами та техніками, які знаходяться на багатому перетині високовимірної ймовірності, опуклої геометрії, машинного навчання та оптимального транспортування. 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. Авґусто Ґеролін (Університет Оттави, Канада, Почесний відвідувач ICMU по спільній програмі з Лондонським математичним товариством) будує мости між оптимальним транспортуванням та машинним навчанням. Марк Рудельсон (Університет Мічигану, США) встановив основоположні результати, що поєднують високовимірну ймовірність і багатовимірну опуклу геометрію. Кароль 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.