Kompaktkurs mit Joel A. Tropp

Concentration inequalities and matrix computations

3. Mai 2021 18:30 – 6. Mai 2021 20:00
IGDK Graduiertenkolleg - Logo

Vom 3. bis 6. Mai 2021 bietet das Internationale Graduiertenkolleg "IGDK München - Graz" Ihnen einen Live-Online-Kompaktkurs zum Thema "Konzentrationsungleichungen und Matrixberechnungen" mit Professor Joel A. Tropp vom California Institute of Technology (Caltech), USA.

IGDK-Kompaktkurs 2021

Der IGDK Compact Course "Concentration inequalities and matrix computations" wird vom internationalen Graduiertenkolleg IGDK organisiert. Aufgrund der Zeitverschiebung zu Kalifornien findet der Kurs am frühen Abend von 18:30 - 20:00 Uhr statt.

Joel A. Tropp ist Steele Family Professor of Applied and Computational Mathematics am Caltech. Seine Forschungsschwerpunkte sind Datenwissenschaft, angewandte Mathematik, numerische Algorithmen und Zufallsmatrixtheorie.

Weitere Informationen zum Kurs finden Sie unter IGDK Kompaktkurs: Konzentrationsungleichungen und Matrixberechnungen.

Termine und Themen

Dieser Live-Online-Kurs führt Sie in die Theorie der Konzentrationsungleichungen mit einigen grundlegenden Anwendungen auf Matrixberechnungen ein. Der Kurs setzt nur grundlegende Erfahrungen mit Wahrscheinlichkeitsrechnung, linearer Algebra und Matrixberechnungen voraus. Er setzt keine Erfahrung mit hochdimensionaler Wahrscheinlichkeit oder randomisierten Matrixberechnungen voraus. Der Kurs wird aus vier 90-minütigen Vorlesungen in Englisch bestehen:

Montag, 3. Mai, 18:30 - 20:00

Scalar concentration: Independent sum model. Markov's inequality, cumulant generating functions, Laplace transform method, Bernstein inequality. Application to trace estimation.

Dienstag, 4. Mai, 18:30 - 20:00

Matrix concentration: Independent sum model. Matrix cumulant generating functions, matrix Laplace transform method, matrix Bernstein inequality. Application to approximate matrix multiplication.

Mittwoch, 5. Mai, 18:30 - 20:00

Subspace embeddings: Random projections. Oblivious subspace embeddings. Examples: Sampling, sign matrices, Gaussian matrices. Application to linear regression.

Donnerstag, 6. Mai, 18:30 - 20:00

Randomized SVD: The truncated SVD. Randomized SVD algorithm. Linear algebraic error bound. Probabilistic error bound. Randomized subspace iteration.

Informationen für Teilnehmer*innen

Alle Teilnehmer*innen erhalten ein Bestätigungszertifikat über 6 Zeitstunden. Bitte beachten Sie: Damit das Zertifikat ausgestellt werden kann, müssen Sie sich mit Ihrem vollen Namen am Kurs anmelden.

Bitte melden Sie sich bis zum 3. Mai 2021, 15 Uhr, über unser Online-Formular an.

Die Zugangsdaten für den Kurs schicken wir Ihnen anschließend zu. Bitte loggen Sie sich mit Ihrem vollen Namen in den Kurs ein.