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.
Georgios MoschidisEnseignement et PhD Doctorant·es actuel·les Abraham Gabriel Dorsaz Cours Analysis IV (for EL, GM, MX) MATH-207(c) Ce cours est une introduction à la théorie de l'analyse complexe, aux séries et transformées de Fourier, à la transformée de Laplace, avec des applications à la théorie des équations différentielles ordinaires et partielles. Differential geometry I - curves and surfaces MATH-213 Ce cours constitue une introduction à la géométrie différentielle classique, qui ét
Maria ColomboEnseignement et PhD Doctorant·es actuel·les Roberto Colombo, Antonio Tirotta, Carl Johan Peter Johansson, Giulia Mescolini A dirigé les thèses EPFL de Luigi De Rosa, Silja Noëmi Aline Haffter, Massimo Sorella Cours Analysis IV - Lebesgue measure, Fourier analysis MATH-205 Apprendre les bases de l'intégrale de Lebesgue et l'analyse de Fourier. Topics on the Euler and Navier-Stokes equations MATH-647
Laura GrigoriExpertise
Numerical linear algebra, deterministic and randomized algorithmsHigh performance computing for scientific applicationsHigh dimensional problems and tensor computationsCombinatorial scientific computingMathematical Software
Enseignement et PhD Doctorant·es actuel·les Israa Fakih, Zhipeng Xue, Andrea Di Antonio, Mariana Graciela Martinez Aguilar, Guifré Sánchez i Serra Cours Numerical analysis and computational mathematics MATH-456 Ce cours offre une introduction au calcul scienti
Parmenion MavrikakisExpertise
Computational electromagnetics, integral equations, finite element analysis, metasurfaces, photonics, plasmonics and microwaves.
Current Work
Developing a C++ code for the modeling of light scattering in layered media with the surface integral equation method.
I am a PhD student in the Electrical Engineering Department (EDEE) at École Polytechnique Fédérale de Lausanne (EPFL), affiliated with the Nanophotonics and Metrology Laboratory (NAM), part of the Microengineering Department (IEM) at EPFL. M
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.
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,
Leonid MoninEnseignement et PhD Cours Algebra III - rings and fields MATH-215 C'est un cours introductoire dans la théorie d'anneau et de corps. Analyse I (anglais) MATH-101(en) Étudier les concepts fondamentaux d'analyse et le calcul différentiel et intégral des fonctions réelles d'une variable. Topology III - Homology MATH-323 L'homologie est l'un des outils les plus importants pour étudier les espaces topologiques et elle joue un rôle important dans de nombreux domaine
Xavier Fernandez-Real GironaEnseignement et PhD Doctorant·es actuel·les Roberto Colombo Cours Optimal transport MATH-476 La 1er partie est consacrée aux problèmes de Monge et de Kantorovitch, discutant de l'existence et des propriétés du plan optimal. La 2ème partie introduit la distance de Wasserstein sur les mesures et développe des applications de transport optimal aux EDP, des inégalités fonctionnelles/géométrique
Younes Pierre ZineExpertise
I mainly work on (deterministic and random) nonlinear PDEs by using techniques and insights from PDE theory, probability theory and Fourier analysis.My website:https://younes-zine.github.io
Expertise
I mainly work on (deterministic and random) nonlinear PDEs by using techniques and insights from PDE theory, probability theory and Fourier analysis.My website:https://younes-zine.github.io
Education Ph.D. | 2020 – 2023 The University of Edinburgh Pawel DuchExpertise
My present research focuses on the intersection between probability theory, PDE theory and Euclidean quantum field theory. I am especially interested in problems involving singular stochastic partial differential equations and renormalization. I have also a background in mathematical aspects of perturbative and axiomatic quantum field theory as well as general relativity.
I am a postdoctoral researcher in the group of Martin Hairer. Previously, I was a postdoc at Adam Mickiewicz University in Pozn
Florian Karl RichterCurriculum vitae You can download my CV here
ResearchResearch Fields Ergodic Theory, Combinatorics, Number TheoryList of Publications Open-access preprints and e-prints of all my publications are freely available on arXiv ↗ .An inverse theorem for sumsets of sets of positive density in the integersEthan Ackelsberg, Florian K. Richter submitted, 117 pageslink ↗Weighted averages of arithmetic functions and applications to equidistributionVitaly Bergelson, Michael Reilly, Florian K. Richter submitted, 29 page
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
Sayan BiswasExpertise
Decentralized Learning; Federated Learning; Ethical ML focusing on Privacy, Fairness, and Personalization; Location Privacy.
I am a Postdoctoral Researcher at the SaCS lab at EPFL. I completed my PhD in Computer Science from INRIA and école Polytechnique in France, under the supervision of Catuscia Palamidessi. Previously, I have been a Visiting Scholar at the School of Computing at Macquarie University in Sydney, Australia, collaborating with Annabelle McIiver and Natasha Fernandes, and at WMG, t
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.
Julien David LaurendeauExpertise
I focus on identification and estimation of optimal regimes when there is unmeasured confounding.
Education BSc. in Mathematics | 2018 – 2021 EPFL MSc. in Mathematics | with distinction 2021 – 2023 ETH Zurich
