Machine Learning for Many-Body Physics

Republicar

A Agência FAPESP licencia notícias via Creative Commons (CC-BY-NC-ND) para que possam ser republicadas gratuitamente e de forma simples por outros veículos digitais ou impressos. A Agência FAPESP deve ser creditada como a fonte do conteúdo que está sendo republicado e o nome do repórter (quando houver) deve ser atribuído. O uso do botão HMTL abaixo permite o atendimento a essas normas, detalhadas na Política de Republicação Digital FAPESP.

Agência FAPESP* –Agência FAPESP – O Instituto Sul-Americano para Pesquisa Fundamental (ICTP-SAIFR) realizará o Minicourse on Machine Learning for Many-Body Physics entre os dias 25 e 29 de setembro de 2017, no campus do Instituto de Física Teórica da Unesp (rua Dr. Bento Teobaldo Ferraz, 271, Bloco 2, Barra Funda, São Paulo).
O curso introduzirá técnicas modernas em machine learning para o estudo dos problemas de muitos corpos, clássico e quântico, encontrados em matéria condensada, informação quântica e áreas relacionadas da Física. As aulas irão enfatizar as relações entre Física Estatística e machine learning, enquanto os tutoriais incluirão exercícios práticos em programação.
Tópicos incluem modelos de rede para Física Estatística, métodos de Monte Carlo, aprendizado com/sem supervisão, redes neurais, máquinas de Boltzmann e deep learning. Participantes devem ter conhecimento básico de programação. A linguagem Python e a biblioteca de código aberto Tensorflow serão utilizadas nos tutoriais.
Não há taxa de inscrição e os dois melhores estudantes selecionados receberão recursos limitados para cobrir despesas de transporte e hospedagem.
Os interessados devem se inscrever pelo  site do evento  (em inglês) até o dia 25 de agosto.
Mais informações:  http://www.ictp-saifr.org/?page_id=15446.

<p><b>Agência FAPESP</b> – O Instituto Sul-Americano para Pesquisa Fundamental (ICTP-SAIFR) realizará o Minicourse on Machine Learning for Many-Body Physics entre os dias 25 e 29 de setembro de 2017, no campus do Instituto de Física Teórica da Unesp (rua Dr. Bento Teobaldo Ferraz, 271, Bloco 2, Barra Funda, São Paulo).</p>
<p>O curso introduzirá técnicas modernas em <i>machine learning</i> para o estudo dos problemas de muitos corpos, clássico e quântico, encontrados em matéria condensada, informação quântica e áreas relacionadas da Física. As aulas irão enfatizar as relações entre Física Estatística e <i>machine learning</i>, enquanto os tutoriais incluirão exercícios práticos em programação.</p>
<p>Tópicos incluem modelos de rede para Física Estatística, métodos de Monte Carlo, aprendizado com/sem supervisão, redes neurais, máquinas de Boltzmann e <i>deep learning</i>. Participantes devem ter conhecimento básico de programação. A linguagem Python e a biblioteca de código aberto Tensorflow serão utilizadas nos tutoriais.</p>
<p>Não há taxa de inscrição e os dois melhores estudantes selecionados receberão recursos limitados para cobrir despesas de transporte e hospedagem.</p>
<p>Os interessados devem se inscrever pelo <b><a href="http://www.ictp-saifr.org/?page_id=15446" target="_blank"> site do evento </a></b> (em inglês) até o dia 25 de agosto.</p>
<p>Mais informações: <b><a href="http://www.ictp-saifr.org/?page_id=15446" target="_blank"> http://www.ictp-saifr.org/?page_id=15446</a></b>.  <br />
 </p>