【课程推荐】 深度学习中的几何（Geometry of Deep Learning）

课程介绍：

深度学习正在改变人工智能领域，但缺乏扎实的理论基础。这种事务状态极大地阻碍了进一步的发展，例如耗时的超参数优化或对抗性机器学习中遇到的非凡困难。我们为期三天的研讨会基于我们确定为当前的主要瓶颈：了解深度神经网络的几何结构。这个问题是数学，计算机科学和实用机器学习的融合。我们邀请这些领域的领导者加强新的合作，并为深度学习的奥秘寻找新的攻击角度。

主讲人：

Peter Bartlett，加州大学伯克利分校教授，工作于计算机科学和统计部门、伯克利人工智能研究实验室、西蒙斯计算理论研究所。

Leon Bottou，一名研究科学家，对机器学习和人工智能有着广泛的兴趣。近年来，在大规模学习和随机梯度算法方面的工作受到了广泛的关注。他也以DjVu文件压缩系统而闻名，于2015年3月加入Facebook人工智能研究。

Anna Gilbert，在芝加哥大学获得理学学士学位，在普林斯顿大学获得数学博士学位；1997年，是耶鲁大学和at&T实验室研究所的博士后研究员。1998年至2004年，她是新泽西州弗洛勒姆公园at&T实验室研究部的技术人员。从那以后，她一直在密歇根大学数学系工作，现在是那里的一名教授。

Piotr Indyk，电气工程和计算机科学系的托马斯D.和弗吉尼亚W.卡伯特教授。计算机科学与人工智能实验室，无线麻省理工学院，大数据学院和MIFODS计算组的成员。兴趣方向：高维计算几何（包括近似最近邻搜索）、数据流算法、稀疏恢复、压缩感知、机器学习。

S. T. Yau，中国科学院数学科学研究所所长，哈佛大学数学系教授。感兴趣的领域：微分几何，微分方程和数学物理。