Qué necesitas saber antes de
comenzar

Inicio 5 June 2026 15:57

Fin 5 June 2026

00 Días
00 Horas
00 Minutos
00 Segundos
course image

Una visión general del Transporte Óptimo Regularizado por Entropía y los Puentes de Schrödinger

Profundiza en la teoría del transporte óptimo regularizado por entropía y los puentes de Schrödinger, explorando aplicaciones en estadística, ciencia de datos e inteligencia artificial generativa, con conocimientos de física, procesos estocásticos y EDPs.
Centre for Networked Intelligence, IISc via YouTube

Centre for Networked Intelligence, IISc

6076 Cursos


58 minutes

Actualización opcional disponible

Not Specified

Avanza a tu propio ritmo

Free Video

Actualización opcional disponible

Resumen

Delve into entropy-regularized optimal transport theory and Schrödinger bridges, exploring applications in statistics, data science, and generative AI, with insights from physics, stochastic processes, and PDEs.

Programa

  • Introducción al Transporte Óptimo
  • Orígenes y Conceptos Básicos
    Aplicaciones en Estadística y Ciencia de Datos
  • Transporte Óptimo Regularizado por Entropía
  • Definición y Formulación Matemática
    Distancias de Sinkhorn y Algoritmos
    Ventajas Computacionales
  • Puentes de Schrödinger
  • Contexto Histórico e Interpretación Física
    Procesos Estocásticos y Conexión con el Transporte Óptimo
    Formulación mediante Minimización de Entropía
  • Aplicaciones en IA Generativa
  • Aprendizaje Automático y Síntesis de Datos
    Modelos Generativos Usando Transporte Óptimo
  • Conexiones a Física y EDPs
  • Teoría Cinética y Ecuaciones de Transporte
    Rol de las EDPs en la Descripción de Dinámicas
  • Temas Avanzados e Investigación Actual
  • Avances Recientes en Regularización de Entropía
    Problemas Abiertos y Direcciones Futuras
  • Implementación Práctica
  • Software y Herramientas para Cálculo
    Estudios de Caso y Ejemplos
  • Conclusión y Lecturas Adicionales
  • Resumen de Conceptos Clave
    Libros y Artículos Sugeridos para Estudio Adicional

Materias

Data Science