Transport optimal pour l'apprentissage automatique

Cette séance de cours couvre le concept de transport optimal pour l'apprentissage automatique, en mettant l'accent sur la comparaison des distributions, l'apprentissage non supervisé, le problème de Monge, la formulation de Kantorovitch, les distances de transport optimales, la régularisation entropique, l'algorithme de Sinkhorn, la malédiction et les bénédictions du transport optimal, le transport optimal déséquilibré, la mesure Gromov-Wasserstein, l'enregistrement de la forme et les problèmes ouverts dans le transport optimal haute dimensionnel. L'instructeur discute des défis et des applications du transport optimal dans divers domaines, tels que l'inférence multi-omique monocellulaire et les trajectoires de développement.