<div dir="ltr"><div>Hi everyone!</div><div><br></div><div>This week at the Applied Statistics Workshop we will be welcoming <b><i>Jelani Nelson</i></b>, a Professor of Computer Science at the Harvard School of Engineering and Applied Sciences. He will be presenting work entitled <b><i>Dimensionality Reduction Via Sparse Matrices</i></b>.  Please find the abstract below and on the website <a href="http://projects.iq.harvard.edu/applied.stats.workshop-gov3009/presentations/presenter-jelani-nelson-dimensionality-reduction-sparse">here</a></div><div><br></div><div>As usual, we will meet in CGIS Knafel Room 354 and lunch will be provided.  Hope to see you all there! </div><div><br></div><div>-- Anton Strezhnev</div><div><br></div><div>Title: Dimensionality Reduction Via Sparse Matrices</div><div><br></div><div>Abstract: This talk will discuss sparse Johnson-Lindenstrauss transforms, i.e. sparse linear maps into much lower dimension which preserve the Euclidean geometry of a set of vectors. Both upper and lower bounds will be presented, as well as applications to certain domains such as numerical linear algebra and compressed sensing.</div><div><br></div><div>Based on various joint works with Jean Bourgain, Daniel M. Kane, and Huy Le Nguyen.</div></div>