[Коллоквиум]: Математика больших данных: тензоры, нейросети, байесовский вывод - Ветров Д.П.
Человечество вступило в эпоху больших данных - время, когда объем доступной для анализа информации нарастает на порядки быстрее чем вычислительные мощности. Традиционные математические методы и модели в такой ситуации становятся неприменимы. Необходимо создание "новой математики", адаптированной под новые соотношения между данными и вычислительными ресурсами. Как можно хранить и обрабатывать многомерные массивы в линейных по памяти структурах? Что дает обучение нейронных сетей из триллионов триллионов нейронов и как можно осуществить его без переобучения? Можно ли обрабатывать информацию "на лету", не сохраняя поступающие последовательно данные? Как оптимизировать функцию за время меньшее чем уходит на ее вычисление в одной точке? Что дает обучение по слаборазмеченным данным? И почему для решения всех перечисленных выше задач надо хорошо знать математику? Ответы на эти вопросы будут рассмотрены в докладе.
Видео [Коллоквиум]: Математика больших данных: тензоры, нейросети, байесовский вывод - Ветров Д.П. канала ФКН ВШЭ
Видео [Коллоквиум]: Математика больших данных: тензоры, нейросети, байесовский вывод - Ветров Д.П. канала ФКН ВШЭ
Показать
Комментарии отсутствуют
Информация о видео
Другие видео канала
От матрицы до больших данных[ИТ-лекторий] Семинар по глубокому обучению или как стать Data Scientist’омЛекция 5. Проверка статистических гипотез (теоретическое введение)Комбинаторика. Основные формулы (перестановки, сочетания, размещения) и примеры решения задач.Байесовские методы в машинном обучении. Лекция 1Алгоритмы на Python 3. Лекция №3Лекция 3. Иерархический кластерный анализ021. Малый ШАД - Что такое машинное обучение и наука о данных? - Александр ФонаревЯндекс Практикум самый честный отзыв. Профессия "Веб-разработчик".Машина Тьюринга. Введение. Понятие машины тьюринга. Решение задачиЛекция 2. Машинное обучение в эпоху больших данных.Deep Learning на пальцах 5 - Нейросети на практике[ДКН 2022] Теория паросочетаний: самый честный мэтчинг при поступлении в вузы (Григорий Буклей)Р.В. Шамин. Лекция № 7 Самоорганизующиеся карты Кохонена и классификацияВведение в Deep Learning | Григорий Сапунов (Intento)Что такое число Пи? Кто его изобрел и почему оно так важноАлексей Савватеев "Диофантовы уравнения". Лекции 1-2Как построить карьеру в ITИзбранные вопросы неевклидовой геометрии. Лекция 1 (Алексей Савватеев, ЦЭМИ РАН, ИГУ)