Prof. Dr. Thorsten Strufe
ProMACs: Leveraging the Streaming Paradigm to Improve Integrity without Transmission Cost
Abstract
Bio
Contact Prof. Dr. Mathias Fischer
Prof. Dr. Thorsten Strufe
ProMACs: Leveraging the Streaming Paradigm to Improve Integrity without Transmission Cost
Abstract
Bio
Contact Prof. Dr. Mathias Fischer
--- English version see below ---
Dies ist eine Einladung zum Informatischen Kolloquium am Montag, den 31.05.2021 um 17:15 Uhr.
Die Veranstaltung findet bis auf weiteres online statt.
Der Vortrag mit dem Titel „ProMACs: Leveraging the Streaming Paradigm to Improve Integrity without Transmission Cost" wird von Prof. Dr. Thorsten Strufe, tätig am Karlsruher Institut für Technologie (KIT/KASTEL) und an der TU Dresden (CeTI), gehalten.
Das Kolloquium wird online mit Zoom abgehalten. Die Zugangsdaten finden Sie unten.
*************************
This is an invitation to the next informatics colloquium (online) on Monday, 31. May 2021, at 17:15.
The talk is entitled „ProMACs: Leveraging the Streaming Paradigm to Improve Integrity without Transmission Cost" and will be given by Prof. Dr. Thorsten Strufe from Karlsruhe Institute of Technology (KIT/KASTEL) and TU Dresden (CeTI).
The colloquium will be held online using zoom. You will find the access data below.
*************************
Join Zoom Meeting
https://uni-hamburg.zoom.us/j/93735174299?pwd=Ums2cU9EZFpuc0ZFZWFOeWY5eU55dz09
Meeting ID: 937 3517 4299
Passcode: 87303512
*************************
Im Namen des Kolloquiumkomitees
On behalf of the colloquium committee
Carolin Psyk
***********************************************************
Prof. Dr. Thorsten Strufe
ProMACs: Leveraging the Streaming Paradigm to Improve Integrity without Transmission Cost
Abstract
Bio
Contact Prof. Dr. Mathias Fischer
Begin forwarded message:From: "Hamburger Tagesjournal" <hamburger.tagesjournal@send2.de>Subject: Außengastronomie öffnet Pfingsten, Horst Hrubesch scheitert an seinem HSV, Hamburger Dichter werden geehrtDate: 17 May 2021 at 09:37:28 GMT+2To: <mprove@acm.org>Hamburger Tagesjournal …
Universität der Zukunft – Hamburger Hochschulen auf dem Weg ins KI-Zeitalter: Welche Rolle spielt die Digitalisierung für die Universität heute? Welche Chancen bietet die Künstliche Intelligenz, die als „Schlüsseltechnologie" Forschung, Lehre und Wirtschaft revolutioniert? Wie können Hamburger Hochschulen dabei helfen, die Hansestadt fit für die Zukunft zu machen? Am Dienstag, den 18.5. um 18.30 Uhr diskutieren wir mit dem Präsidenten der HafenCity Universität, Prof. Dr. Jörg Müller-Lietzkow, mit Prof. Dr. Thomas Straubhaar von der Universität Hamburg, und mit Prof. Dr. Kerstin Prechel, Lehr-Fellow am KI-Campus. Eine Online-Veranstaltung der Friedrich-Naumann-Stiftung für die Freiheit. Infos und Anmeldung unter: shop.freiheit.org
…
Kostenlos anmelden zum virtuellen Hamburg Innovation Summit am 20. Mai: Dieser spannende Szenetreff für Innovationsakteure aus Wirtschaft, Politik und Forschung steht in diesem Jahr unter dem Motto Ökosysteme für Innovationen – Kooperation als Zukunftsmodell. Hochkarätige Gäste wie Katharina Fegebank, Wissenschaftssenatorin Hamburgs sowie Hamburgs Wirtschaftssenator Michael Westhagemann geben spannende Insights in den Waterkant Talks und diskutieren über Fragen der Zuschauer, die im Live-Chat gestellt werden können. Die kostenfreien Tickets und alle weitere Informationen unter hamburg-innovation-summit.de
…
Wenn Ihnen das Hamburger Tagesjournal am 17. Mai gefallen hat, empfehlen Sie uns gerne weiter; einfach diese Mail an Kollegen und Freunde schicken und auf tagesjournal.de anmelden. Für weitere aktuelle Meldungen und Videos finden Sie uns hier.
…Redaktion: Hamburger Tagesjournal, MediaFleet/Ludwig-Erhard-Straße 6, 20459 Hamburg
…Herausgeber: Mathias Adler
Impressum: Conova Media UG, Albrechtstraße 16, 10117 Berlin
Tel: 030/69202353-0, Fax: 030/69202353-9, info@conova.de
Geschäftsführer: Egon Huschitt, AG Berlin-Charlottenburg HRB 209150 B
Verantwortlich im Sinne von §55 Abs. 2 RStV: Egon Huschitt
--- English version see below ---
Dies ist eine Einladung zum heutigen Informatischen Kolloquium um 17:15 Uhr.
Die Veranstaltung findet bis auf weiteres online statt.
Der Vortrag mit dem Titel „Guiding Scientific Simulators with Machine Learning" wird von Dr. David Greenberg (Helmholtz Zentrum Hereon Geesthacht) gehalten.
Das Kolloquium wird online mit Zoom abgehalten. Die Zugangsdaten finden Sie unten.
*************************
This is an invitation to today's informatics colloquium (online) at 17:15.
The talk is entitled „Guiding Scientific Simulators with Machine Learning" and will be given by Dr. David Greenberg from Helmholtz Centre Hereon Geesthacht.
The colloquium will be held online using zoom. You will find the access data below.
*************************
Join Zoom Meeting
https://uni-hamburg.zoom.us/j/93735174299?pwd=Ums2cU9EZFpuc0ZFZWFOeWY5eU55dz09
Meeting ID: 937 3517 4299
Passcode: 87303512
*************************
Im Namen des Kolloquiumkomitees
On behalf of the colloquium committee
Carolin Psyk
***********************************************************
Dr. David Greenberg
Guiding Scientific Simulators with Machine Learning
Abstract
Simulations are a powerful tool for combining and exploring scientific insights, and their predictions generalize better to new scenarios than non-physical data-driven aproaches. However, the problem of assimilating noisy and incomplete observations of the simulated system to constrain parameters or initial conditions is challenging, since for many important simulators the data likelihood is intractable. I will describe two recent machine learning-based approaches addresing this problem: Bayesian inference with normalizing flows and optimization with differentiable emulators. Both of these approaches use model simulations as training data, allowing the machine learning model to benefit from the scientfic insight used to design the simulator.
Bio
After a studying mathematics at Brown University, David Greenberg completed his PhD in computational neuroscience and computer vision at the Caesar research institute, Bonn. After completing a Postdoc on simulation-based inference at TUM, he joined Helmholtz Zentrum Hereon in Geesthacht in 2020 as a young investigator group leader, developing machine learning methods for Earth science. His work combines data-centric and physics-based approaches to forecasting, model tuning and uncertainty quantification.
Contact Prof. Dr. Walid Maalej
--- English version see below ---
Dies ist eine Einladung zum Informatischen Kolloquium am Montag, den 10.05.2021 um 17:15 Uhr.
Die Veranstaltung findet bis auf weiteres online statt.
Der Vortrag mit dem Titel „Guiding Scientific Simulators with Machine Learning“ wird von Dr. David Greenberg (Helmholtz Zentrum Hereon Geesthacht) gehalten.
Das Kolloquium wird online mit Zoom abgehalten. Die Zugangsdaten finden Sie unten.
*************************
This is an invitation to the next informatics colloquium (online) on Monday, 10. May 2021, at 17:15.
The talk is entitled „Guiding Scientific Simulators with Machine Learning“ and will be given by Dr. David Greenberg from Helmholtz Centre Hereon Geesthacht.
The colloquium will be held online using zoom. You will find the access data below.
*************************
Join Zoom Meeting
https://uni-hamburg.zoom.us/j/93735174299?pwd=Ums2cU9EZFpuc0ZFZWFOeWY5eU55dz09
Meeting ID: 937 3517 4299
Passcode: 87303512
*************************
Im Namen des Kolloquiumkomitees
On behalf of the colloquium committee
Carolin Psyk
***********************************************************
Dr. David Greenberg
Guiding Scientific Simulators with Machine Learning
Abstract
Simulations are a powerful tool for combining and exploring scientific insights, and their predictions generalize better to new scenarios than non-physical data-driven aproaches. However, the problem of assimilating noisy and incomplete observations of the simulated system to constrain parameters or initial conditions is challenging, since for many important simulators the data likelihood is intractable. I will describe two recent machine learning-based approaches addresing this problem: Bayesian inference with normalizing flows and optimization with differentiable emulators. Both of these approaches use model simulations as training data, allowing the machine learning model to benefit from the scientfic insight used to design the simulator.
Bio
After a studying mathematics at Brown University, David Greenberg completed his PhD in computational neuroscience and computer vision at the Caesar research institute, Bonn. After completing a Postdoc on simulation-based inference at TUM, he joined Helmholtz Zentrum Hereon in Geesthacht in 2020 as a young investigator group leader, developing machine learning methods for Earth science. His work combines data-centric and physics-based approaches to forecasting, model tuning and uncertainty quantification.
Contact Prof. Dr. Walid Maalej