Город: Тест Санкт-Петербург Новосибирск Казань Язык: Русский English

Algorithms for High-Dimensional Data
Санкт-Петербург / весна 2017, посмотреть все семестры

Запишитесь на курс, чтобы получать уведомления и иметь возможность сдавать домашние задания. Для записи требуется регистрация на сайте.
Перейти к регистрации Войти

A popular approach in data analysis is to represent a dataset in a high-dimensional feature space, and reduce a given task to a geometric computational problem. However, most of the classic geometric algorithms scale poorly as the dimension grows and are typically not applicable to the high-dimensional regime. This necessitates the development of new algorithmic approaches that overcome this curse of dimensionality. In this mini-course I will give an overview of recent developments in this area including new algorithms for dimension reduction, sketching, and nearest neighbor search. We will discuss both theoretical results and implementation challenges.

Курс был прочитан в рамках International Computer Science Student School Recent Advances in Algorithms, May 22–26, 2017

Дата и время Занятие Место Материалы
23 мая
11:30–12:30
Lecture 1: Introduction and Measure Concentration, Лекция ПОМИ РАН слайды,  видео
24 мая
11:30–12:30
Lecture 2: Dimension Reduction, Лекция ПОМИ РАН слайды,  видео
25 мая
10:00–11:00
Lecture 3: Theory of Nearest Neighbor Search, Лекция ПОМИ РАН слайды,  видео
26 мая
14:30–15:30
Lecture 4: Practice of Nearest Neighbor Search, Лекция ПОМИ РАН слайды,  видео