Sprecher: Rafael Ballester-Ripoll, IE School of Science and Technology (Madrid)  

Low-Rank-Zerlegungen von Matrizen und Tensoren kehren regelmäßig ins Rampenlicht des wissenschaftlichen Rechnens und der Datenwissenschaft zurück: Dimensionalitätsreduktion, Signalrückgewinnung, Empfehlungssysteme, Datenkompression, effizientes LLM-Finetuning usw. In diesem Vortrag werde ich einen Überblick über Low-Rank-Methoden mit Schwerpunkt auf höheren Dimensionen (Tensorzerlegungen) und deren Anwendungen in visuellen Daten geben: Analyse von Computertomographiescans, Komprimierung von physikalischen Simulationen und anderen großen Datensätzen sowie wissenschaftliche Visualisierung von mathematischen Modellen in den Ingenieurwissenschaften. Wir werden uns auch mit neuen spannenden Entwicklungen bei der Integration von Low-Rank-Tensor-Methoden in Deep-Learning-Pipelines befassen und damit vielversprechende neue Möglichkeiten für skalierbare und erklärbare künstliche Intelligenz (XAI) eröffnen.

Die Veranstaltung ist Teil der alle zwei Wochen stattfindenden HEIBRiDS Lecture Series.

Zeit und Datum: 12.06.2024, 16-17 Uhr. 

Veranstaltungsort: 

Einstein Center Digital Future
Konferenzsaal, erste Etage
Wilhelmstraße 67
10117 Berlin

Der Vortrag wird in englischer Sprache gehalten und findet im Hybrid-Modus statt. Anmeldung für die Online-Teilnahme erbeten (sandra.pravica@tu-berlin.de).