Bruno LemaitreExpertise
Directeur du Global Health Institute
Enseignement et PhD Doctorant·es actuel·les Blandine Ribotta, Yao Tian, Désirée Popelka, Prince Kumar Sah, Siqi Wang, Kenan Krakovic, Nathan Alexandre Klotz A dirigé les thèses EPFL de Sveta Chakrabarti, Olivier Binggeli, Jeremy Keith Herren, Juan Camilo Paredes Escobar, Alfred Chng, Maroun Bou Sleiman, Jan Paul Dudzic, Mario Gonzalo Garcia Arraez, Claudia Melcarne, Alice Marra, Bianca Marie Petrignani, Mark Austin Hanson, Alexia Laurie Carboni, Asya Dolgikh
Paul Joseph DysonPaul Dyson rejoignit l’EPFL en 2002 à la tête du Laboratoire de chimie organométallique et médicinale de l’Institut des sciences et ingénierie chimiques, dont il en assuma ensuite la direction entre 2008 et 2016.
Le prof. Dyson a été récompensé par de nombreux prix dont le Prix Werner de la Société Suisse de Chimie en 2004, le Prix pour les réalisations exceptionnelles en chimie bio organométallique en 2010, la Médaille du Centenaire de la naissance de Luigi Sacconi (2011) de la Société Italienne de Chimie, le Prix de Chimie bio-inorganique de la Royal Society of Chemistry en 2015, le Prix européen pour une chimie durable de la Société Européenne de Chimie en 2018 et le Prix pour la chimie verte de la Royal Society of Chemistry en 2020.
Le prof. Dyson est également mentionné dans la liste établie par Clarivate des chercheurs les plus cités (Clarivate Highly Cited Researcher), avec un H-index >110 (Web of Science et Google Scholar). Paul Dyson a été élu membre de la Royal Société de Chimie en 2010, membre de l’Académie Européenne des Sciences en 2019 et membre à vie de l’Association Américaine pour l’Avancement de la Science en 2020. Au cours des dernières années il s’est vu décerner le titre de Professeurs Hôte par l’Université de Bourgogne, l’Université de Pierre et Marie Curie, l’Université de Vienne, l’Université de Rome Tor Vergara, l'Ecole Nationale Supérieure de chimie de Paris (Chimie ParisTech) et par l’Université de Shangai Jiao Tong.
De 2016 à 2021 il était membre du conseil de la recherche de la division de mathématique, sciences naturelles et de l’ingénieur du Fonds National Suisse. En 2021, il a été nommé doyen de la Faculté des Sciences de Base.
Nicolas Jean Philippe GuexEnseignement et PhD Cours Bioinformatic Analysis of RNA-sequencing (Fall) BIO-693(a) Due to its success, this course will take place from 1st to 5th September 2025 in room AAC 0 20.It introduces the workflows and techniques that are used for the analysis of bulk and single-cell RNA-seq data. It empowers students to understand and analyze their own data. Bioinformatic Analysis of RNA-sequencing (Spring) BIO-693(b) Methods: omics in biomedical research BIOENG-519
Roberto CastelloRoberto Castello is a senior scientist and group leader at the EPFL Laboratory of Solar Energy and Building Physics. Physicist by training, he has extensive experience in collecting, classifying and interpreting large datasets using advanced data mining techniques and statistical methods. He received his MSc (2007) in Particle Physics and PhD (2010) in Physics and Astrophysics from the University of Torino. He worked as a postdoctoral researcher at the Belgian National Research Fund (2011-2014) and at the CERN Experimental Physics Department (2015-2017) as a research fellow and data scientist. He is primary author of more than 20 peer-reviewed publications and he presented at major international conferences in the high energy physics domain.
In 2018 he joined the Solar Energy and Building Physics Laboratory (LESO-PB) to work on data mining and Machine Learning techniques for the built environment and renewable energy. His main research interests are: spatio-temporal modeling of renewable energy potential, energy consumption forecasting techniques, anomaly detection, and computer vision techniques for automated classification in the built environment.
He leads the group of Urban Data Mining, Intelligence and Simulation at LESO-PB and he is a member of the NRP75 Big Data project (HyEnergy) of the Swiss National Science Foundation. He is a member of the Swiss Competence Centre for Energy Research (SCCER) and deputy leader of the working group on Leveraging Ubiquitous Energy Data. He has served as a scientific committee member, workshop organizer and speaker at international conferences (ICAE 2020, Applied Machine Learning Days 2019 and 2020, CISBAT 2019 and 2021 and SDS2020).
Since 2017 he is member of the Geneva 2030 Ecosystem network, promoting the United Nations agenda towards the realization of the Sustainable Development Goals (SDGs).
Guillaume Romain ObozinskiGuillaume Obozinski est Chef Data Scientist Adjoint au Swiss Data Science Center. Il a reçu le diplôme de doctorat en Statistiques de l'Université de Californie à Berkeley en 2009. Post-doc puis chercheur dans les équipes Willow et Sierra à l'INRIA / Ecole Normale Supérieure à Paris jusqu'en 2012, il a été chercheur à l'Ecole des Ponts ParisTech à Paris jusqu'en 2018. Ses domaines d'expertise sont principalement en apprentissage automatique, en statistique et en optimisation. Il a travaillé au fil du temps sur les méthodes d'apprentissage parcimonieux, les techniques d'optimisation pour l'apprentissage, les modèles graphiques probabilistes, l'apprentissage relationnel et les représentations vectorielles sémantiques. Il est intéressé par l'application de ces techniques à tous les domaines des data sciences, depuis la biologie computationnelle à l'analyse automatique d'images.
Fabian HeymannEnseignement et PhD Cours Digitalization in electricity systems ENG-601
Silvia Alessandra QuarteroniSilvia Quarteroni is the Head of Innovation unit at the Swiss Data Science Center, a joint venture between EPFL and ETH Zurich whose mission is the enablement of data science and innovation for societal impact.Silvia heads a team of 25 scientists collaborating with Swiss companies and organisations to adopt data-driven solutions and integrate data science in their decision-making process.She is also an Innosuisse Innovation Council member, promoting novelty and value creation in the Swiss economic landscape
