Isabelle Barbara Marie-Hélène CardiaCandidature à l'Assemblée d'école
Afin de motiver mon engagement au sein de l’Assemblée d’École et du Conseil de Faculté, je souhaite mettre en avant mon parcours et mon expérience au sein de l’EPFL. Forte de quatorze années d’expérience au sein de l’institution, d’un parcours professionnel volontairement atypique et d’une formation en sciences humaines, je dispose d’un regard transversal et original que je souhaite mettre au service de l’Assemblée d’École et de la Faculté STI.Au cours de mon parcours à l’E
Maria BrbicMaria Brbic is an assistant professor in computer science at EPFL. Prior to joining EPFL, Maria was a postdoctoral researcher in Computer Science at Stanford University working with Jure Leskovec. She received her PhD degree from University of Zagreb in 2019, while also researching at Stanford University and University of Tokyo. Her research was awarded with the Fulbright Scholarship, L’Oreal UNESCO for Women in Science Scholarship, Branimir Jernej award for outstanding publication in biology and biomedicine, and Josip Loncar Silver Plaque award for the best doctoral dissertation. She has been named a Rising Star in EECS by MIT in 2021. Her research is focused on developing new machine learning methods and applying her methods to advance biomedical research.
Cécile HardebolleTravail en cours
Responsible information systems (https://go.epfl.ch/digitalethics), ethical skills Jupyter notebooks for education (https://go.epfl.ch/notebooks), digital skills, computational thinkingTransversal/professional skillsEngineering design skillsFlipped classrooms Project-based learning
Formation Doctorat | Informatique 2006 – 2008 Université Paris-Sud XI, France Dirigée par Prof. Guy Vidal-Naquet Diplôme d'Ingénieur | Génie Electrique, spécialisat Raphaël DefertEnseignement et PhD Cours Analyse et gestion de risques CIVIL-438 Le cours vise à former les étudiants aux méthodes et outils permettant d'appréhender de manière fondée et scientifique la question de l'analyse et de la gestion des risques technologiques et naturels, avec une attention portée au domaine du Génie civil.
David Richard HarveyEnseignement et PhD Doctorant·es actuel·les Ethan Daniel Tregidga, Felix Francisco Vecchi Cours Lecture series on scientific machine learning PHYS-754 Ce cours présente des travaux sur la façon dont les questions scientifiques peuvent être abordées à l'aide de l'apprentissage automatique. L'apprentissage automatique permet d'extraire des connaissances à partir de données de manière automatisée. Nous apprendrons à partir d'exemples concrets.
Gaétan Jean A de RassenfosseGaétan de Rassenfosse est professeur en pré-titularisation conditionnelle en politique scientifique et technologique à l'EPFL. Il a rejoint le College du Management de la Technologie (CDM) en 2014. Avant cela, il a été Research Fellow puis Senior Research Fellow à l'Université de Melbourne, Australie, de 2010 à 2014. Il a obtenu un doctorat en économie de la Solvay Business School de l'Université libre de Bruxelles, Belgique, en 2010. Il a été chercheur invité à l'UC Berkeley (Californie, états-Unis) en 201
Silvestro MiceraEnseignement et PhD Doctorant·es actuel·les Johannes Sebastiaan Nieuwenhuis, Mouhamed Zorkot, Angela Braccia, Jonathan Muheim, Xiangyu Xu A dirigé les thèses EPFL de Elvira Pirondini, Andrea Crema, Marco Bonizzato, Sophie Marie Marthe Wurth, Edoardo D'Anna, Emanuele Formento, Jenifer Cléa Miehlbradt, Flavio Raschella, Nawal Kinany, Théo Lemaire, Marion Aimée Geneviève Badi-Dubois, Tristan Jean Robin Barjavel, Vincent Alexandre Mendez, Outman Akouissi, Giulia Dominijanni, Simone Romeni, Franklin Leong, Ele
Michele CeriottiMichele Ceriotti received his Ph.D. in Physics from ETH Zürich in 2010. He spent three years in Oxford as a Junior Research Fellow at Merton College. Since 2013 he leads the laboratory for Computational Science and Modeling in the Institute of Materials at EPFL. His research revolves around the atomic-scale modelling of materials, based on the sampling of quantum and thermal fluctuations and on the use of machine learning to predict and rationalize structure-property relations. He has been awarded the IBM Research Forschungspreis in 2010, the Volker Heine Young Investigator Award in 2013, an ERC Starting Grant in 2016, and the IUPAP C10 Young Scientist Prize in 2018.
Loris Di NataleExpertise
(Deep) Machine Learning, (Deep) Reinforcement Learning, Building Control
