Introduction to Geometric Learning in Python with Geomstats
GUIGUI, Nicolas
Université Côte d'Azur [UniCA]
Institut National de Recherche en Informatique et en Automatique [Inria]
E-Patient : Images, données & mOdèles pour la médeciNe numériquE [EPIONE]
See more >
Université Côte d'Azur [UniCA]
Institut National de Recherche en Informatique et en Automatique [Inria]
E-Patient : Images, données & mOdèles pour la médeciNe numériquE [EPIONE]
GUIGUI, Nicolas
Université Côte d'Azur [UniCA]
Institut National de Recherche en Informatique et en Automatique [Inria]
E-Patient : Images, données & mOdèles pour la médeciNe numériquE [EPIONE]
Université Côte d'Azur [UniCA]
Institut National de Recherche en Informatique et en Automatique [Inria]
E-Patient : Images, données & mOdèles pour la médeciNe numériquE [EPIONE]
LE BRIGANT, Alice
Statistique, Analyse et Modélisation Multidisciplinaire (SAmos-Marin Mersenne) [SAMM]
Statistique, Analyse et Modélisation Multidisciplinaire (SAmos-Marin Mersenne) [SAMM]
PENNEC, Xavier
Université Côte d'Azur [UniCA]
E-Patient : Images, données & mOdèles pour la médeciNe numériquE [EPIONE]
< Reduce
Université Côte d'Azur [UniCA]
E-Patient : Images, données & mOdèles pour la médeciNe numériquE [EPIONE]
Language
en
Communication dans un congrès
This item was published in
SciPy 2020 - 19th Python in Science Conference, 2020-07-06, Austin, Texas. p. 48-57
English Abstract
There is a growing interest in leveraging differential geometry in the machine learning community. Yet, the adoption of the associated geometric computations has been inhibited by the lack of a reference implementation. ...Read more >
There is a growing interest in leveraging differential geometry in the machine learning community. Yet, the adoption of the associated geometric computations has been inhibited by the lack of a reference implementation. Such an implementation should typically allow its users: (i) to get intuition on concepts from differential geometry through a hands-on approach, often not provided by traditional textbooks; and (ii) to run geometric machine learning algorithms seamlessly, without delving into the mathematical details. To address this gap, we present the open-source Python package geomstats and introduce hands-on tutorials for differential geometry and geometric machine learning algorithms-Geometric Learning-that rely on it. Code and documentation: github.com/geomstats/geomstats and geomstats.ai.Read less <
English Keywords
Index Terms-differential geometry
statistics
manifold
machine learning
European Project
G-Statistics - Foundations of Geometric Statistics and Their Application in the Life Sciences
ANR Project
3IA Côte d'Azur
Origin
Hal imported