本次活动现已结束.
查看事件信息
通过滑轮绘制神经网络图
摘要:将数据附加到具有非欧几里德结构的空间的大量应用推动了几何深度学习(GDL)领域的兴起。. 尽管如此, 从很多角度来看, 几何并不总是提供正确的抽象层次来研究在这种设置中通常出现的所有空间. 例如, 图, 这是GDL中最流行的空间类型, 甚至没有严格意义上的几何结构. 在这次演讲中, 我将探讨我们如何从(更一般的)拓扑角度来看待这个领域，重点是理解和开发新的图神经网络模型.
christian Bodnar，微软研究院高级研究员. 前情提要@ Google Brain, Google X, Twitter Cortex
克里斯蒂安是微软研究院AI4Science团队的高级研究员，他在那里从事深度学习和偏微分方程(PDEs)的交叉研究。. 在机器学习方面，他的研究涵盖了一系列主题，如几何 & 拓扑深度学习，图神经网络和神经微分方程.
以前, 克里斯蒂安在剑桥大学完成了博士学位, 由Pietro教授Liò指导，并获得微软研究院博士奖学金(2021年). 克里斯蒂安还花了大量的时间在行业作为研究实习生在微软研究院(2022), Twitter Cortex(2021年), 谷歌大脑(2020), 并作为Google X的AI常驻人员(2019年). In 2019, 他以优异的成绩毕业于剑桥大学高级计算机科学硕士学位，并获得最佳硕士学生奖.
议程:
14:30 -登记及到达
15:00 -欢迎和介绍
15:10 - christian Bodnar, 微软研究院高级研究员(图神经网络/几何深度学习).)
15:45 - Q&A
16:00 -网络
16:30 -活动结束
免费的
2023年11月30日
14:30 - 16:30
时间待定
