Referent: Prof. Dr. Philipp Grohs
Moderation: Prof. Dr. Gitta Kutyniok (LMU)
In a recent effort to push modern tools from machine learning into several areas of science and engineering, deep learning based methods have emerged as a promising alternative to classical numerical schemes for solving problems in the computational sciences – example applications include fluid dynamics, computational finance, or computational chemistry. Philipp Grohs illuminates the limitations and opportunities of this approach, both on a mathematical and an empirical level.
Philipp Grohs ist Professor für Mathematische Datenwissenschaften an der Universität Wien und derzeit Fellow am CAS.
Die Veranstaltung findet in englischer Sprache statt. Eine Anmeldung per Mail ist erforderlich. Weitere Informationen finden Sie auf der Website des CAS.
Das Center for Advanced Studies der Ludwig-Maximilians-Universität München versteht sich als Forum für den intensiven wissenschaftlichen Austausch über die etablierten Fächergrenzen hinweg. Mit seinen Aktivitäten fördert es verschiedenste Formen kooperativer Forschung sowie die interdisziplinäre Kommunikation innerhalb der Universität. Daneben unterstützt es die Einbindung von Gastwissenschaftlerinnen und -wissenschaftlern in das akademische Leben der LMU.