Lenka ZdeborováLenka Zdeborová is a Professor of Physics and of Computer Science in École Polytechnique Fédérale de Lausanne where she leads the Statistical Physics of Computation Laboratory. She received a PhD in physics from University Paris-Sud and from Charles University in Prague in 2008. She spent two years in the Los Alamos National Laboratory as the Director's Postdoctoral Fellow. Between 2010 and 2020 she was a researcher at CNRS working in the Institute of Theoretical Physics in CEA Saclay, France. In 2014, she was awarded the CNRS bronze medal, in 2016 Philippe Meyer prize in theoretical physics and an ERC Starting Grant, in 2018 the Irène Joliot-Curie prize, in 2021 the Gibbs lectureship of AMS. She is an editorial board member for Journal of Physics A, Physical Review E, Physical Review X, SIMODS, Machine Learning: Science and Technology, and Information and Inference. Lenka's expertise is in applications of concepts from statistical physics, such as advanced mean field methods, replica method and related message-passing algorithms, to problems in machine learning, signal processing, inference and optimization. She enjoys erasing the boundaries between theoretical physics, mathematics and computer science.
Sofia Charlotta OlhedeSofia Olhede is a professor of Statistics at EPFL in Switzerland. She joined UCL prior to this in 2007, before which she was a senior lecturer of statistics (associate professor) at Imperial College London (2006-2007), a lecturer of statistics (assistant professor) (2002-2006), where she also completed her PhD in 2003 and MSci in 2000. She has held three research fellowships while at UCL: UK Engineering and Physical Sciences Springboard fellowship as well as a five-year Leadership fellowship, and now holds a European Research Council Consolidator fellowship. Sofia has contributed to the study of stochastic processes; time series, random fields and networks. Sofia was part of the multi-institutional team that set up the UK national data science institute, the Alan Turing Institute. She organised and served as chair of the science committee that developed the initial 500 000 pounds scientific programme of the institute; peer-reviewing over 100 workshop proposals and hosting over 30. She also chaired the first recruitment wave of the institute hiring 13 data scientists as a multi-university recruitment drive. Sofia was a member of the Royal Society and British Academy Data Governance Working Group, and the Royal Society working group on machine learning. Most recently she was one of 3 commissioners on a law society commission on the usage of algorithms in the justice system.
Myrto LimniosExpertise
Nonparametric statistics, statistical learning theory and methods, stochastic processes
Enseignement et PhD Cours Empirical processes MATH-522 Nous étudierons comment contrôler le comportement non-asymptotique et aléatoire de collections d'estimateurs, lorsqu'indexées par des classes de fonctions/d'ensembles. Des exemples en statistiques et des méthodes non-paramétriques en apprentissage automatique seront traités. Regression methods MATH-408 Cours de niveau master
Pablo Antolin SanchezEnseignement et PhD Doctorant·es actuel·les Philipp Christoph Weder, Davor Dobrota A co-dirigé les thèses EPFL de Ondine Chanon Cours Analysis III MATH-202(c) Le cours étudie les concepts fondamentaux de l'analyse vectorielle et de l'analyse de Fourier-Laplace en vue de leur utilisation pour résoudre des problèmes pluridisciplinaires d'ingénierie scientifique. Analysis III (for IC) MATH-203(d) Le cours étudie les concepts fondamentaux de l'analyse vectorielle et de l'analys
Rajita Ramesh ChandakExpertise
L'estimations non parametrique, théorie de l'apprentissage automatique, l'inférence statistique.
Enseignement et PhD Cours Nonparametric estimation and inference MATH-524 Les modèles non paramétriques sont utilisés pour identifier les relations non linéaires au sein des données. Ce cours donne un aperçu de l'estimation statistique et de la théorie de l'inférence non paramétrique. Statistical inference MATH-562 L'inférence du particulier au général basée sur des modè
Mike SeidelEnseignement et PhD Doctorant·es actuel·les Simon Fanica Buijsman, Jesús Avila Pulido, Ingrid Midtbust Hjelle, Maria Paula Rey Barrera, Raziyeh Dadashi Motlagh, Zdenek Vostrel, Evan James Ericson, Yi Wu, Lode Vanhecke, Roberta Provvedi, Adam Mark Furman, Aikaterini Nikou, Felix Höfenstock, Ludovica Bertolozzi, Simone Giroldi A dirigé les thèses EPFL de Marco Hartmann, Péter Kicsiny, Rongrong Cai, André Donadón Servelle, Longdi Zhu, Sofia Carolina Johannesson, Vera Korchevnyuk, Nicolas Vallis, Elias Walter
Alessandro PauEnseignement et PhD Doctorant·es actuel·les Peizheng Zhang, Jean-Pierre Thomas Svantner, Cristina Venturini, Paul Véronique Guillaume Devianne Cours Control and Operation of Tokamaks PHYS-748
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
Mats Julius StensrudEnseignement et PhD Doctorant·es actuel·les Ignacio Gonzalez Perez, Gellért Géza Perényi, Lorenzo Gasparollo, Julien David Laurendeau A dirigé les thèses EPFL de Matias Janvin, Amit Sawant Cours Causal thinking MATH-352 Ce cours donnera une présentation unifiée des méthodes modernes d'inférence causale. Nous nous concentrons sur les concepts, et nous présenterons des exemples et des idées provenant de diverses disciplines scientifiques, notamment la médecine, l'informatique, l'ingénierie,
Vittorio ErbaEnseignement et PhD Cours Statistical physics of computation PHYS-512 Les étudiants comprennent les outils de la physique statistique des systèmes désordonnés et les appliquent pour étudier des problèmes d'informatique et de statistiques en théorie des graphes, en optimisation discrète, ainsi qu'en inférence et en apprentissage automatique.
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.
Justin Richard BallEnseignement et PhD Doctorant·es actuel·les Oraz Anuaruly, Haomin Sun, Alessandro Balestri, Simone Barreca A co-dirigé les thèses EPFL de Arnas Volcokas
Annalisa BuffaEnseignement et PhD Doctorant·es actuel·les Gonzalo Bonilla Moreno, Philipp Christoph Weder, Yannis Dirk Voet, Fabio Marcinno, Ferhat Sindy, Francesco Sala, Markus Renoldner, Mohamed Ben Abdelouahab, Davor Dobrota A dirigé les thèses EPFL de Luca Coradello, Ondine Chanon, Riccardo Puppi Cours Numerical approximation of PDEs MATH-451 Ce cours porte sur la dérivation, l'analyse théorique et l'implémentation de la méthode des éléments finis pour l'approximation numérique des équations aux dér
Nicolas Henri Bernard FlammarionNicolas Flammarion is a tenure-track assistant professor in computer science at EPFL. Prior to that, he was a postdoctoral fellow at UC Berkeley, hosted by Michael I. Jordan. He received his PhD in 2017 from Ecole Normale Superieure in Paris, where he was advised by Alexandre d’Aspremont and Francis Bach. In 2018 he received the prize of the Fondation Mathematique Jacques Hadamard for the best PhD thesis in the field of optimization. His research focuses primarily on learning problems at the interface of machine learning, statistics and optimization.
Théophile BoinnardFormation M2 ICFP - Physique Théorique | 2022 – 2023 École Normale Supérieure Paris, Paris, France M1 Physique Fondamentale | 2020 – 2021 École Normale Supérieure Paris-Saclay, Gif-Sur-Yvette, France L3 Physique Fondamentale | 2019 – 2020 École Normale Supérieure Paris-Saclay, Gif-Sur-Yvette, France Classe Préparatoire PCSI-PSI* | 2017 – 2019 Lycée Fabert, Metz, France Expériences professionnelles Stage M2 "Coefficient
Jack Richard GreenwoodExpertise
Superconducting magnets for fusion energy (LTS and HTS).Superconducting magnet technology prototyping and testing.High-field measurements on superconductors with currents up to 100 kA.Critical currents in superconducting materials: flux pinning, Josephson junctions, and percolation theory. Beyond (p,q) models.Superconductors under strain.
Current Work
I joined the Swiss Plasma Centre's Superconductivity Group (SPC-SG) in 2023. The group is part of EPFL and it is physically located at the Paul Sche
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.
