Desarrollos recientes y futuros en álgebra lineal numérica aleatoria para aprendizaje automático

Las matrices grandes surgen en muchas aplicaciones de aprendizaje automático y análisis de datos, incluyendo representaciones de conjuntos de datos, gráficos, pesos de modelos y derivadas de primer y segundo orden. El álgebra lineal numérica aleatoria (RandNLA) es un área que utiliza aleatoriedad para desarrollar algoritmos mejorados para problemas de matrices ubicuas. Esta área ha alcanzado cierto nivel de madurez; pero las tendencias recientes en hardware, los esfuerzos para incorporar algoritmos RandNLA en bibliotecas numéricas centrales, y los avances en aprendizaje automático, estadísticas y teoría de matrices aleatorias, han dado lugar a nuevos desafíos teóricos y prácticos. Este artículo proporciona una visión general autocontenida de RandNLA, a la luz de estos desarrollos.