La Chaire Machine Learning for Big Data invite Daniel Spielman (Yale)
Publié le dans event-france
Le Professeur Daniel Spielman de l’Université de Yale sera l’invité de la Chaire Machine Learning for Big Data du 2 au 8 juillet. Il participera notamment à la conférence COLT le 4 juillet à 11h15 et donnera un séminaire pour les membres et partenaires de la Chaire.
Daniel Spielman est titulaire d’une thèse du MIT en mathématiques appliquées (1995). Il a enseigné au département de mathématiques appliquées du MIT jusqu’en 2005 où il est devenu Professeur à l’Université de Yale. Il a reçu de nombreuses distinctions, dont le Information Theory Paper Award (IEEE 2002), le Prix Gödel 2008 et 2015, le Prix Fulkerson 2009, le Prix Nevanlinna 2010… Il est membre de l'Association for Computing Machinery et de la Connecticut Academy of Science and Engineering. Ses principaux domaines de recherche concernent le design et l’analyse d’algorithmes, la science des réseaux, le machine learning, les communications numériques et les sciences numériques.
Séminaire de la Chaire : « Sparsification of Graphs and Matrices »
Au cours de ce séminaire, Dan Spielman présentera des travaux conjoints avec Joshua Batson, Nikhil Srivastava et Shang-Hua Teng. Il expliquera la notion d’approximation spectrale d’un graphe par un autre, et montrera que tout graphe peut être bien approximé par un autre graphe avec peu de bords. Il présentera également un algorithme de randomisation efficace pour construire des approximations parcimonieuses. Ce séminaire est réservé aux membres et partenaires de la Chaire.
Conférence COLT : « Laplacian Matrices of Graphs: Algorithms and Applications ».
Les matrices de graphes Laplaciennes se développent dans de nombreux domaines, dont le machine learning, l’optimisation, les sciences numériques et l’analyse de réseaux. Daniel Spielman expliquera ce que sont ces matrices et pourquoi leur importance croît dans de si nombreuses applications. Il développera ensuite les récents progrès dans le design d’algorithmes qui permettent de résoudre de tels systèmes d’équations linéaires dans un temps quasi linéaire.