Meetup passé

Applications du transport optimal et des distances de Wasserstein

Ce Meetup est passé

19 y sont allés

Lieu visible par les membres

Détails

La prochaine conférence de Bordeaux Data Science aura lieu à l'IMB et sera donnée par Jérémie Bigot qui a la gentillesse de partager son temps et son savoir avec nous.

Jérémie Bigot

https://sites.google.com/site/webpagejbigot/

Titre : Applications du transport optimal et des distances de Wasserstein en apprentissage statistique.

Résumé : Dans cet exposé, il est proposé de donner un aperçu de l’utilisation de distances non-euclidiennes basées sur la théorie du transport optimal de mesures de probabilités pour l’analyse de données (histogrammes, nuages de points, signaux, images) et leurs applications en statistique et apprentissage. On discutera en particulier des liens entre les distances de Wasserstein et les notions classiques de barycentre et d’analyse en composantes principales (ACP), ainsi que les connexions qui existent avec les modèles GAN (Generative Adversarial Networks) et l’apprentissage profond (Deep Learning) pour l’analyse de grands jeux de données.

Pour vous inscrire :

ce Meetup ou https://doodle.com/poll/q9chua6d82x629c6