Martin JaggiMartin Jaggi is a Tenure Track Assistant Professor at EPFL, heading the Machine Learning and Optimization Laboratory. Before that, he was a post-doctoral researcher at ETH Zurich, at the Simons Institute in Berkeley, and at École Polytechnique in Paris. He has earned his PhD in Machine Learning and Optimization from ETH Zurich in 2011, and a MSc in Mathematics also from ETH Zurich.
Olga FinkEnseignement et PhD Doctorant·es actuel·les Han Sun, Leandro Von Krannichfeldt, Keivan Faghih Niresi, Zepeng Zhang, Vinay Sharma, Chenghao Xu, Raffael Pascal Theiler, Kevin Antonio Steiner, Sergei Garmaev, Amaury Wei A dirigé les thèses EPFL de Ismail Nejjar, Mengjie Zhao Cours Data Science for infrastructure condition monitoring CIVIL-332 Le cours couvrira les étapes pertinentes de la surveillance de l'état des infrastructures basée sur les données: l'acquisition des données, en passant p
Mika Tapani GöösEnseignement et PhD Doctorant·es actuel·les Valentin Imbach, Ziyi Guan, Artur Riazanov, Anastasiia Sofronova, Weiqiang Yuan A dirigé les thèses EPFL de Maystre Gilbert Théodore Cours Computational complexity CS-524 En théorie de la complexité, nous étudions les ressources nécessaires à résoudre des problèmes et les relations entre différents modèles de calcul.Ce cours donne une meilleure connaissance de la complexité informatique et aborde les questions ouvertes fondamentales.
Ali H. SayedAli H. Sayed est doyen de la Faculté des sciences et techniques de l’ingénieur (STI) de l'EPFL, en Suisse, où il dirige également le laboratoire de systèmes adaptatifs. Il a également été professeur émérite et président du département d'ingénierie électrique de l'UCLA. Il est reconnu comme un chercheur hautement cité et est membre de la US National Academy of Engineering. Il est également membre de l'Académie mondiale des sciences et a été président de l'IEEE Signal Processing Society en 2018 et 2019.
Le professeur Sayed est auteur et co-auteur de plus de 570 publications et de six monographies. Ses recherches portent sur plusieurs domaines, dont les théories d'adaptation et d'apprentissage, les sciences des données et des réseaux, l'inférence statistique et les systèmes multi-agents, entre autres.
Ses travaux ont été récompensés par plusieurs prix importants, notamment le prix Fourier de l'IEEE (2022), le prix de la société Norbert Wiener (2020) et le prix de l'éducation (2015) de la société de traitement des signaux de l'IEEE, le prix Papoulis (2014) de l'Association européenne de traitement des signaux, le Meritorious Service Award (2013) et le prix de la réalisation technique (2012) de la société de traitement des signaux de l'IEEE, le prix Terman (2005) de la société américaine de formation des ingénieurs, le prix de conférencier émérite (2005) de la société de traitement des signaux de l'IEEE, le prix Koweït (2003) et le prix Donald G. Fink (1996) de l'IEEE. Ses publications ont été récompensées par plusieurs prix du meilleur article de l'IEEE (2002, 2005, 2012, 2014) et de l'EURASIP (2015). Pour finir, Ali H. Sayed est aussi membre de l'IEEE, d'EURASIP et de l'American Association for the Advancement of Science (AAAS), l'éditeur de la revue Science.
Kilian SchindlerDaniel Kuhn is Professor of Operations Research at the College of Management of Technology at EPFL, where he holds the Chair of Risk Analytics and Optimization (RAO). His current research interests are focused on data-driven optimization, the development of efficient computational methods for the solution of stochastic and robust optimization problems and the design of approximation schemes that ensure their computational tractability. This work is primarily application-driven, the main application areas being engineered systems, machine learning, business analytics and finance.
Before joining EPFL, Daniel Kuhn was a faculty member in the Department of Computing at Imperial College London (2007-2013) and a postdoctoral research associate in the Department of Management Science and Engineering at Stanford University (2005-2006). He holds a PhD degree in Economics from University of St. Gallen and an MSc degree in Theoretical Physics from ETH Zurich. He is the editor-in-chief of Mathematical Programming.
Yuning JiangEnseignement et PhD Cours Optimal Control for Dynamic Systems EE-736
Tony Alan WoodTony A. Wood received a B.Sc. degree in Information Technology and Electrical Engineering in 2010 and an M.Sc. degree in Robotics, Systems and Control in 2013, both from ETH Zurich, Switzerland. In 2018 he completed a Ph.D. at the Automatic Control Laboratory of ETH Zurich. From 2018 to 2021, he was a Research Fellow in the Department of Electrical and Electronic Engineering at the University of Melbourne, Australia. He is currently a Scientist in the Systems Control and Multiagent Optimization Research Group (Sycamore) at École Polytechnique Fédérale de Lausanne (EPFL), Switzerland. His research interests lie in the fields of optimisation and automatic control with a particular focus on multi-agent systems. The specific topics he investigates include system identification, task allocation, path planning, model predictive control, delay compensation, and formal specification satisfaction for uncertain systems encountered in applications such as energy systems, smart buildings, biology, and robotics.
