La SMC organise des mini-cours de trois heures pour accroître l’attrait de ses Réunions et inciter plus d’étudiants et de chercheurs à y assister.
Les mini-cours auront lieu le vendredi 2 décembre et porteront sur des sujets adaptés aux étudiants des cycles supérieurs, aux postdoctorants ou à toute autre personne intéressée. Vous pouvez vous inscrire aux mini-cours sans être inscrit à la réunion.
Les frais d’inscription sont les suivants :
Tarif normal (les frais couvrent un mini-cours.) | |
Étudiants/Postdoctorants (membres) | $50 |
Étudiants/Postdoctorants (non-membres) | $75 |
Membres de la SMC | $100 |
Non-membres de la SMC | $150 |
Combler l’écart : Initiative soutenue par RBC (Étudiants – Membres de la SMC entre 15 et 29 ans qui s’identifient comme Noirs, Autochtone, Femmes, LGBTQ+, ou des personnes ayant des handicaps) ***Citoyens canadiens et résidents permanents seulement | $25 |
Horaire des Mini-cours du vendredi 2 décembre
Cours du matin : 9h00 – 12h00 (Toronto)
Le vendredi 2 décembre
9h00 – 12h00 (Toronto)
Instructeur: Leland McInnes (Tutte Institute for Mathematics and Computing)
Introduction à l’analyse des données topologiques
L’analyse topologique des données vise à mettre les outils puissants de la topologie au service des problèmes de la science des données, en aidant à élucider la géométrie et la structure de divers ensembles de données. Ce mini-cours offrira une introduction aux idées et approches topologiques pertinentes, tout en démontrant comment elles peuvent être utilisées en science des données pour résoudre des problèmes pratiques réels. Une attention particulière sera accordée aux problèmes d’apprentissage non supervisé et d’analyse exploratoire des données pour lesquels ces outils sont les plus efficaces.
Veuillez noter qu’une version de ce cours a été donnée lors de la réunion d’hiver 2019.
Le vendredi 2 décembre
9h00 – 12h00 (Toronto)
Instructeur: Anthony Bonato (Toronto Metropolitan University)
Jeux de poursuite-évasion sur les graphes
Dans les jeux de poursuite-évasion, un ensemble de poursuivants tente de localiser, d’éliminer ou de contenir un évadé dans un graphe. Les règles, spécifiées dès le départ, déterminent grandement la difficulté des questions posées ci-dessus. Par exemple, l’évadé peut être visible, mais les poursuivants peuvent avoir une vitesse de déplacement limitée, ne se déplaçant que vers les sommets voisins d’eux. Au cœur des jeux de poursuite-évasion se trouve l’idée d’optimiser certains paramètres, tels que le nombre de recherches, le nombre de brûlures ou le nombre de localisations.
Dans ce mini-cours, nous présenterons plusieurs jeux de poursuite-évasion sur les graphes et les conjectures découlant de leur analyse. Trouver les valeurs, les limites et les algorithmes pour calculer ces paramètres des graphes conduit à des sujets qui croisent la théorie des graphes, la méthode probabiliste et la géométrie.
Le vendredi 2 décembre
9h00 – 12h00 (Toronto)
Instructeur:Alexander Kolpakov (Université de Neuchâtel)
Emballage des sphères et programmation semi-définie
Les problèmes d’empaquetage se retrouvent en mathématiques, en physique, en chimie computationnelle et en théorie des codes, pour ne citer que quelques sciences. La plupart d’entre eux sont fascinants et intéressants, mais aussi notoirement difficiles. Une percée de Viazovska (qui a reçu la médaille Fields cette année) montre à quel point ces problèmes sont liés à la théorie des nombres et à la géométrie algébrique, entre autres parties des mathématiques. Les travaux antérieurs de Cohn et Elkies (entre autres) montrent que ces problèmes sont également liés à l’optimisation, comme la programmation semi-définie. Nous allons considérer les bases de l’empaquetage de sphères et essayer quelques exemples pratiques. Aucune connaissance préalable de la programmation semi-définie n’est requise.
Cours de l’après-midi : 13h00 – 16h00 (Toronto)
Le vendredi 2 décembre
13h00 – 16h00 (Toronto)
Instructrices : Cindy Blois (Toronto) & Pam Sargent (York)
Compétences pédagogiques pour les nouveaux instructeurs
À la fin du mini-cours, les participants seront équipés de pratiques pédagogiques qui reflètent leur philosophie et leurs objectifs d’enseignement.
Le mini-cours fera un usage intensif de l’apprentissage participatif. Les participants concevront et présenteront plusieurs mini-leçons et/ou activités d’apprentissage, et réfléchiront de manière critique à leurs expériences.
Le vendredi 2 décembre
13h00 – 16h00 (Toronto)
Instructrice : Hanmeng Zhan (SFU)
Introduction aux marches quantiques discrètes
L’objectif de ce mini cours est de fournir aux débutants et aux étudiants/chercheurs avancés un cadre général pour faire face à des problèmes réels basés sur les données. Nous utiliserons deux études de cas pour donner un aperçu du processus d’apprentissage automatique du point de vue de la science des données. Dans notre premier cas «Caractéristiques pertinentes pour les prix des annonces Airbnb», nous présenterons une procédure relativement complète d’analyse exploratoire des données sur un ensemble de données peu familier. Nous apprendrons comment aborder systématiquement l’investigation d’un ensemble de données inconnu tout en conservant la créativité nécessaire à la recherche d’idées. Dans notre deuxième cas «Prédiction des prix du marché des voitures d’occasion», nous discuterons des défis de l’ingénierie des caractéristiques afin de mettre en œuvre la régression dans des contextes réels et nous examinerons les réseaux neuronaux comme une alternative à l’ingénierie explicite des caractéristiques. Ce mini cours est approprié pour les débutants et les étudiants/chercheurs avancés de différents domaines.
Le vendredi 2 décembre
13h00 – 16h00 (Toronto)
Instructeur: Jairo Diaz-Rodriguez (York University)
L’apprentissage automatique du point de vue de la science des données
L’objectif de ce mini cours est de fournir aux débutants et aux étudiants/chercheurs avancés un cadre général pour faire face à des problèmes réels basés sur les données. Nous utiliserons deux études de cas pour donner un aperçu du processus d’apprentissage automatique du point de vue de la science des données. Dans notre premier cas «Caractéristiques pertinentes pour les prix des annonces Airbnb», nous présenterons une procédure relativement complète d’analyse exploratoire des données sur un ensemble de données peu familier. Nous apprendrons comment aborder systématiquement l’investigation d’un ensemble de données inconnu tout en conservant la créativité nécessaire à la recherche d’idées. Dans notre deuxième cas «Prédiction des prix du marché des voitures d’occasion», nous discuterons des défis de l’ingénierie des caractéristiques afin de mettre en œuvre la régression dans des contextes réels et nous examinerons les réseaux neuronaux comme une alternative à l’ingénierie explicite des caractéristiques. Ce mini cours est approprié pour les débutants et les étudiants/chercheurs avancés de différents domaines.
Le vendredi 2 décembre
13h00 – 16h00 (Toronto)
Instructeur: Alexandre Odesski (Brock University)
Noyaux de multiplication
Les multiplications associatives commutatives sur un espace de fonctions peuvent être définies en termes de noyaux de multiplication qui sont un analogue en dimension infinie des constantes de structure de la multiplication dans le cas en dimension finie. La contrainte d’associativité donne une équation intégrale pour le noyau de multiplication. J’expliquerai les différentes manières de traiter cette équation intégrale en termes purement algébriques. En particulier, les connexions avec les systèmes intégrables seront discutées et de nombreux exemples seront construits.
Le cours sera basé sur l’article :
M. Kontsevich, A. Odesskii, Multiplication kernels, Lett. Math. Phys. 111 (2021), no. 6, Paper No. 152, 59 pp.
Le cours sera accessible aux étudiants de deuxième cycle et même aux étudiants de premier cycle forts. De plus, je décrirai un grand nombre de problèmes ouverts et brûlants sur lesquels ils pourront commencer à travailler.