Ruben Seyer
Om Ruben Seyer
Mina intressen ligger i snittet av bayesiansk inferens och maskininlärning, där vi utvecklar statistiska beräkningsmetoder. Framför allt arbetar jag med Markov Monte Carlo-metoder och tillämpningar inom spatial statistik och punktprocesser. Min senaste forskning rör design av icke-reversibla samplers samt tillämpningen av stokastiska gradientmetoder på MCMC och styckvis deterministiska Markovprocesser (PDMPs) för att automatiskt omvandla samplers till gradientsamplers.
För mer information, se https://ruben.seyer.se/