Seminario: Optimización y aprendizaje automático

El objetivo del seminario es discutir algunos puntos de vista vigentes sobre la relación entre modelos de optimización regularizada (tipo LASSO) y la teoría matemática de aprendizaje automático (machine learning). El seminario será autocontenido y no asume conocimientos previos ni de optimización ni de ML.

HORARIO: Jueves 14.30-16.00 en Salón 725 FIng.

CALENDARIO DEL SEMINARIO:

Fecha Titulo Tema Conferencista Links
29/8 Métrica de Wasserstein y machine learning distribucionalmente robusto (DRO) DRO M.Velasco [arXiv], [Video]
5/9 Suspendido
12/9 Construcción de Matrices para Compressive Sensing P.Raigorodsky Paper de Donoho, Bruckstein y Elad
19/9 TBA M.Fiori
26/9 TBA F.Carrasco
3/10 TBA I.Ramírez
10/10 TBA TBA
17/10 No hay seminario
24/10 TBA TBA
31/10 No hay seminario
7/11 TBA
14/11 TBA
21/11 TBA
28/11 TBA

ORGANIZADORES:

  • Pedro Raigorodsky (pedro.raigorodsky@gmail.com)
  • Marcelo Fiori (mfiori@fing.edu.uy)
  • Mauricio Velasco (mauricio.velasco@ucu.edu.uy)

    • Si quiere dar una charla en el Seminario por favor escribir a los organizadores. Abajo hay algunas referencias con temas y artículos de posible interés (pero charlas de un tema distinto, en un área afin a la descripción del seminario estan bienvenidas!)

    Referencias de interes:

    Titulo Tema Link EsClave
    Compressive Sampling Compressive Sensing [Link] *
    Compressive Fourier Compressive Sensing [arXiv]
    CS on measures Compressive Sensing [arXiv]
    Rank Minimization (RM) via nuclear norm regularization Matrix Factorization [arXiv] *
    Online Matrix Factorization Matrix Factorization [arXiv]
    Big data is Low rank Matrix Factorization [arXiv]
    Geometry of regularization Matrix Factorization [arXiv] *
    Latent variable model selection Matrix Factorization [arXiv]
    Wasserstein and Regularization in ML DRO [arXiv] *
    Regularized Risk in DL DRO [arXiv]
    Implicit Regularization Towards Rank Minimization in ReLU Networks Implicit regularization [arXiv]
    Limitations of Implicit Bias in Matrix Sensing. Implicit regularization [arXiv]
    Implicit Regularization in Deep Matrix Factorization Implicit regularization [arXiv]
    Implicit Regularization in Tensor Factorization Implicit regularization [arXiv]
    Matrix factorization geodesic convexity Matrix Factorization [arXiv]
    Introducción Geometría de Deep Learning [arXiv]
    Aproximación con neural networks Geometría de Deep Learning [arXiv], [arXiv]
    Espacios de aproximación Geometría de Deep Learning [arXiv]
    (FOCM) Theory-to-Practice Gap en DL Geometría de Deep Learning [arXiv]
    Universality of transformers DRO [arXiv]