Wenlong LiaoExpertise
deep learning, power system, renewable energy, data analysis
Davide ZambranoI am a senior postdoc in the Laboratory of Intelligent Systems of the Ecole polytechnique fédérale de Lausanne (EPFL). My research interests are in the fields of spiking neural networks, neuromorphic computing, deep learning and reinforcement learning. I received my M.Sc. degree (cum laude) in biomedical engineering and my Ph.D. degree in health technologies from the University of Pisa, Pisa, Italy, in 2008 and 2012, respectively. I worked as a Ph.D. and postdoc at The BioRobotics Institute of The Scuola Superiore Sant Anna, Pisa, Italy. From 2014 to 2018 I have worked as postdoc at the Machine Learning department of the Centrum Wiskunde and Informatica (CWI) in collaboration with Prof. Sander Bohte on spiking neural networks, biological plausible reinforcement learning models.
Maryam KamgarpourEnseignement et PhD Doctorant·es actuel·les Giulio Salizzoni, Tingting Ni, Saurabh Dilip Vaishampayan, Andreas Schlaginhaufen, Kai Ren, Anna Maria Maddux, Gabriel Vallat, Philip Jordan, Yasaman Zolfimoselo, Daniele De Cecco, Gregorio Valenti A co-dirigé les thèses EPFL de Baiwei Guo Cours Foundations of artificial intelligence ME-390 Ce cours fournit aux étudiants la théorie de base pour comprendre l'approche de l'apprentissage automatique (machine learning), et les outils pour utiliser l'
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.
Clara Lucía GalimbertiClara Galimberti is a PhD student at École Polytechnique Fédérale de Lausanne (EPFL) under the supervision of Professor Giancarlo Ferrari Trecate. She received her degree in Electronic Engineering from Universidad Nacional de Rosario (UNR), Argentina, in 2018. Her research lies at the intersection of machine learning and control theory. Currently, she is working on the development of deep networks inspired by dynamical systems and the study of their utilization for the control of complex systems while guaranteeing stability of the closed-loop dynamics, even during the learning phase.
Negar KiyavashEnseignement et PhD Doctorant·es actuel·les Mohammad Shahverdikondori, Badri Mohammad Reza, Arefe Boushehrian, Sepehr Elahi, Mohammadsadegh Khorasani, Mohammadsaeed Masiha, Amir Mohammad Aboueimehrizi A dirigé les thèses EPFL de Sina Akbari, Ehsan Mokhtarian, Yaroslav Kivva, Fateme Jamshidi Cours Causal inference MGT-416 Les étudiants apprendront les concepts et techniques de base de l'analyse de réseau en mettant l'accent sur l'inférence causale. Théorie et l'application sera équilibrée,
