Загрузка страницы

[Коллоквиум] Случайные матрицы: теория и приложения

2 февраля 2021

Докладчик: Алексей Наумов, заведующий международной лабораторией стохастических алгоритмов и анализа многомерных данных, академический руководитель образовательной программы "Математика машинного обучения"

Теория случайных матриц и методы, используемые при исследовании случайных матриц, играют важную роль в различных разделах теоретической и прикладной математики. Случайные матрицы возникли из приложений, сначала в анализе данных, а позже в качестве статистических моделей в квантовой механике, вычислительной математике, финансовой инженерии, теории информации, машинном обучении и других областях. В последние двадцать лет произошел настоящий бум в развитии теории случайных матриц. Были получены прорывные результаты. В своем докладе я расскажу об основных законах, возникающих в поведении спектра случайных матриц, а также о некоторых приложениях. Доклад частично основан на моих совместных работах с Фридрихом Гётце и Александром Тихомировым.

Коллоквиум ФКН: https://cs.hse.ru/colloquium
Международная лаборатория стохастических алгоритмов и анализа многомерных данных: https://cs.hse.ru/hdilab/
Программа магистратуры «Математика машинного обучения»: https://hse.ru/ma/sltheory/

Видео [Коллоквиум] Случайные матрицы: теория и приложения канала ФКН ВШЭ
Показать
Комментарии отсутствуют
Введите заголовок:

Введите адрес ссылки:

Введите адрес видео с YouTube:

Зарегистрируйтесь или войдите с
Информация о видео
5 февраля 2021 г. 22:53:39
01:20:16
Другие видео канала
[ДОД 2021] Об образовательных программах ФКН[ДОД 2021] Об образовательных программах ФКНBayer Digital Campus Challenge 2021 WorkshopBayer Digital Campus Challenge 2021 WorkshopКурс «Машинное обучение 2». Лекция 4 (Евгений Соколов)Курс «Машинное обучение 2». Лекция 4 (Евгений Соколов)Курс «Распределенные системы». Лекция 11 (Олег Сухорослов)Курс «Распределенные системы». Лекция 11 (Олег Сухорослов)Студент ФКН Константин Еленик о стажировке в ЯндексеСтудент ФКН Константин Еленик о стажировке в ЯндексеКурс «Продвинутый C++». Лекция 13 (Данила Кутенин)Курс «Продвинутый C++». Лекция 13 (Данила Кутенин)Computer Methods of Cognitome Analysis (Day 2)Computer Methods of Cognitome Analysis (Day 2)Курс «Инструменты промышленной разработки». Лекция 4 (Данила Кутенин)Курс «Инструменты промышленной разработки». Лекция 4 (Данила Кутенин)Деградация скоринговых моделей (Владислав Суханов)Деградация скоринговых моделей (Владислав Суханов)Пятое открытое заседание Ученого совета ФКН. Доклады Максима Рахубы и Дениса ДеркачаПятое открытое заседание Ученого совета ФКН. Доклады Максима Рахубы и Дениса ДеркачаGeometric deep learning for functional protein designGeometric deep learning for functional protein designЧатФКН #11: Александр Тараканов о физике, численных методах, капитализме и почему PhD — лучшее времяЧатФКН #11: Александр Тараканов о физике, численных методах, капитализме и почему PhD — лучшее времяКурс «Машинное обучение 2». Лекция 8 (Евгений Соколов)Курс «Машинное обучение 2». Лекция 8 (Евгений Соколов)Образы аффинного пространства (Иван Аржанцев)Образы аффинного пространства (Иван Аржанцев)Курс «Распределенные системы». Лекция 14 (Олег Сухорослов)Курс «Распределенные системы». Лекция 14 (Олег Сухорослов)[Night 6] Anti-alignments in Conformance Checking[Night 6] Anti-alignments in Conformance Checking[ДОД 2021] Бакалавриат «Компьютерные науки и анализ данных»: особенности онлайн-обучения[ДОД 2021] Бакалавриат «Компьютерные науки и анализ данных»: особенности онлайн-обучения[ДОД 2018]: Вступительное слово декана Факультета[ДОД 2018]: Вступительное слово декана ФакультетаКурс «Машинное обучение 2». Лекция 5 (Евгений Соколов)Курс «Машинное обучение 2». Лекция 5 (Евгений Соколов)[ИТ-лекторий] Большие данные в спортивной индустрии - SAP[ИТ-лекторий] Большие данные в спортивной индустрии - SAPИндустриальный вебинар «Как машинное обучение используется при анализе текстов»Индустриальный вебинар «Как машинное обучение используется при анализе текстов»
Яндекс.Метрика