报名 | 数据科学背后的数学：普林斯顿大学运筹学与金融工程系教授开讲

2020 年 10 月 1 日 机器之心

Online Seminar on Mathematical Foundations of Data Science (Math for DS) [1]是在线的、每周举办的系列研讨会。研讨会旨在讨论数据科学、机器学习、统计以及优化背后的数学原理，邀请了北美诸多知名学者进行主题演讲。『运筹 OR 帷幄』和『机器之心』作为合作媒体，将在 B 站发布往期的回放视频。本期，受邀嘉宾将为我们带来主题为「Learning Dynamical Systems with Side Information」的演讲。

Online Seminar on Mathematical Foundations of Data Science（Math4DS）是在线的、每周举办的系列研讨会，其内容涵盖数据科学、机器学习、统计以及优化背后的数学基础。

在线研讨会将在 Zoom 上进行，链接如下：

https://psu.zoom.us/s/95512102924

有关研讨会的公告可通过点击 阅读原文 ，链接到国内镜像网址获得。

此外，『运筹 OR 帷幄』公众号平台会及时预告研讨会的最新消息，敬请关注！

研讨会邀请到诸多知名学者进行主题演讲，目前受邀参加的有：

Math for DS 第二十二期线上直播预告

主题：Learning Dynamical Systems with Side Information

嘉宾：Amir Ali Ahmadi

时间：北京时间 10 月 2 日晚 11 点

地点：Zoom

主题介绍

We present a mathematical and computational framework for the problem of learning a dynamical system from noisy observations of a few trajectories and subject to side information. Side information is any knowledge we might have about the dynamical system we would like to learn besides trajectory data. It is typically inferred from domain-specific knowledge or basic principles of a scientific discipline. We are interested in explicitly integrating side information into the learning process in order to compensate for scarcity of trajectory observations. We identify six types of side information that arise naturally in many applications and lead to convex constraints in the learning problem. First, we show that when our model for the unknown dynamical system is parameterized as a polynomial, one can impose our side information constraints computationally via semidefinite programming. We then demonstrate the added value of side information for learning the dynamics of basic models in physics and cell biology, as well as for learning and controlling the dynamics of a model in epidemiology. Finally, we study how well polynomial dynamical systems can approximate continuously-differentiable ones while satisfying side information (either exactly or approximately). Our overall learning methodology combines ideas from convex optimization, real algebra, dynamical systems, and functional approximation theory, and can potentially lead to new synergies between these areas. Based on joint work with Bachir El Khadir.

嘉宾介绍

Amir Ali Ahmadi，普林斯顿大学运筹学与金融工程系教授，应用与计算数学专业、计算机科学系、机械与航空航天工程系、电子工程系、统计与机器学习中心助理教员。Amir Ali 从麻省理工学院获得了电子工程与计算机科学博士学位，在加入普林斯顿大学之前，他是 IBM Watson 研究中心的 Goldstine 研究员。

他的研究兴趣是优化理论，动力学和控制的计算以及算法和复杂度。

如何观看 B 站录播？

受北美教授的时间限制，Math4DS 每期研讨会时间大多设置在美东时间周二的下午三点，即北京时间周三的凌晨三点。这对于国内的观众非常不友好，但是『运筹 OR 帷幄』也在 B 站提供了每期的录播，错过直播的小伙伴和想要回顾的小伙伴可以在前往 B 站观看，小编也会在第一时间上传最新的研讨会视频。

B 站官方号：运筹 OR 帷幄

https://space.bilibili.com/403058474