Icke-linjär Algebra i Data Science & AI

I detta föredrag kommer vi att utforska algebro-geometriska strukturer som naturligt förekommer i en mängd olika tillämpningar. Vi kommer att utnyttja dessa strukturer för att 1) klassificera så kallade minimala problem inom datorseende, 2) förstå uttrycksförmågan och optimeringsegenskaperna hos linjära (faltnings-) neurala nätverk, 3) upptäcka en ordbok mellan maximum likelihood-metoden och invariantteori, och 4) se samband mellan studiet av spridningsamplituder i partikelfysik och geometrisk modellering.