这是现代机器学习和数据科学中算法挑战的研究生主题课。我们将介绍许多域（生成建模，深度学习理论，稳健的统计，贝叶斯推论）和算法设计框架（频谱/张量方法，梯度下降，消息传递，MCMC，扩散），重点介绍可提供的可预期保证。该理论借鉴了随机演算，谐波分析，统计物理，代数等的一系列技术。我们还将探讨在建立这一理论和突出的范式（平均案例复杂性，平滑的复杂性，甲壳）方面所面临的无数建模挑战，以超越传统的最坏情况分析。以下是暂定时间表。标有星号的主题是今年提供的课程。