Opportunities and Limitations for Deep Learning in the Sciences
Referent: Prof. Dr. Philipp Grohs | Moderation: Prof. Dr. Gitta Kutyniok (LMU)
22.05.2023 um 12:15 Uhr
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.
Ort und Anmeldung
CAS, Seestraße 13, 80802 München
Für die Teilnahme ist eine Anmeldung erforderlich. Wenn Sie Interesse an unserer Veranstaltung haben, bitten wir Sie sich mit uns in Verbindung zu setzen:
E-Mail.
