Традиционные алгоритмы вычислительной линейной алгебры (такие как сингулярное разложение или QR-факторизация) требуют кубического времени выполнения, что делает их абсолютно неприменимыми для обработки современных массивов данных петабайтного масштаба. В ответ на этот вызов математики создали совершенно новую парадигму — Рандомизированную вычислительную линейную алгебру (RandNLA). Вместо точных, детерминированных, но бесконечно долгих вычислений, этот подход использует законы теории вероятностей для нахождения потрясающе точных аппроксимаций за долю секунды. RandNLA лежит в основе алгоритмов машинного обучения корпоративного уровня, позволяя мгновенно сжимать матрицы, находить главные компоненты и решать переопределенные системы огромной размерности.