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.
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
Athanasios NenesEnseignement et PhD Doctorant·es actuel·les Berkay Dönmez, Ernest Abboud A dirigé les thèses EPFL de Paraskevi Georgakaki, Lucile Ricard Cours Atmospheric processes: from cloud to global scales ENV-407 L'objectif principal est de voir les processus atmosphériques les plus importants de l'échelle locale à l'échelle globale. Le cours démarrera avec les processus nuageux, continuera avec les phénomènes synoptiques comme les cyclones extratropicaux et fronts, pour finir par la modélisation num
Martin SchrimpfExpertise
NeuroAI, computational neuroscience, computer vision, natural language processing, human alignment, startups [CV]
Mission
Modeling the brain: Martin's research focuses on a computational understanding of the neural mechanisms underlying natural intelligence in vision and language. To achieve this goal, he bridges Deep Learning, Neuroscience, and Cognitive Science, building artificial neural network models that match the brain’s neural representations in their internal processing and are aligned to
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.
Giuseppe CarleoTwitter
https://twitter.com/gppcarleo
Enseignement et PhD Doctorant·es actuel·les Gian Gentinetta, Linda Mauron, Samuele Piccinelli, Alessandro Sinibaldi, Shao Hen Chiew, David Linteau, Clemens Giuliani, Ali Goodarzi, Gianluca Grosso, Ruize Ma, Ekaterina Pankovets A dirigé les thèses EPFL de Dian Wu, Julien Sebastian Gacon, Gabriel Maria Pescia, Barison Stefano, Imelda Romero Cours Advanced computational physics PHYS-339 Le cours couvre l'algèbre linéaire dense/creuse, les méthodes variati Lénaïc ChizatEnseignement et PhD Doctorant·es actuel·les Javier Esteban Maass Martinez A dirigé les thèses EPFL de Guillaume Yitian Wang Cours Computational optimal transport MATH-528 Aspects computationnels de la théorie du transport de mesures, du problème classique du transport optimal classique au modèles de diffusion modernes. Topics in machine learning MATH-520 Analyse mathématique des techniques modernes d'apprentissage supervisé, avec une emphase sur les réseaux de neurones arti
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
Michaela HirschmannEnseignement et PhD Doctorant·es actuel·les Patrick Hirling, Jonathan Petersson, Lucie Scharré Cours Astrophysics III : galaxy formation and evolution PHYS-465 Ce cours décrit les propriétés observationnelles des galaxies ainsi que les processus physiques à l'origine de leur évolutiontels qu'ils sont perçus par les modèles théoriques et numériques. Physique générale : thermodynamique (anglais) PHYS-106(en) Donner à l'étudiant les notions de base nécessaires à la compréhensi
Elisabeth AgoritsasExpertise
=> See my personal homepage for more content https://eagoritsas.wordpress.com.Statistical physics of classical disordered systems, with focus on specific classes of models:disordered elastic interfaces and random manifolds,mesoscopic elasto-plastic models (spatially-resolved and effectively mean-field versions),mean-field description of structurally disordered systems (e.g. glasses) in infinite dimensions,continuous random perceptron model.1D Kardar-Parisi-Zhang equation and its encompassing unive 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.
Sanggyu ChongSanggyu "Raymond" Chong obtained his BS, MS and PhD degrees in Chemical and Biomolecular Engineering from Korea Advanced Institute of Science and Technology (KAIST), where he primarily focused on the computational design of metal-organic frameworks for applications ranging from gas storage to functional electronics. In March 2022, Sanggyu joined COSMO as a postdoctoral researcher, and he is currently investigating the robustness of local and/or component-wise predictions made by atomistic machine learning m
Konstantinos KarapiperisEnseignement et PhD Doctorant·es actuel·les Hrishikesh Gopakumar Menon, Thomas Henzel Cours Multiscale modelling in mechanics CIVIL-408 Ce cours présente les principes et techniques de modélisation des matériaux à différenteséchelles spatiales, depuis le niveau des atomes ou des grains jusqu'à l'échelle continue oustructurelle. L'accent est mis sur la mise à l'échelle hiérarchique (homogénéisation),tandis que les techniques concu Soil mechanics and flow through porous media CIVIL
Geovani RizkExpertise
Distributed Machine Learning, Robustness, Safety, Optimization, Multi-Agent, Bandits in Graphs
I am a postdoctoral researcher at école Polytechnique Fédérale de Lausanne since 2022, where I work with Rachid Guerraoui on robustness of distributed machine learning algorithms. From 2018 to 2022, I completed my Ph.D. in computer science at Université Paris Dauphine-PSL on multi-agent bandits in graphs under the supervision of Yann Chevaleyre, Rida Laraki, Igor Colin, and Albert Thomas.Pre-prints Over
Michail VlachosEnseignement et PhD Cours Data science and machine learning MGT-502 Introduction pratique à la science des données et à l'apprentissage automatique. Nous abordons les systèmes de recommandation, l'IA générative, les chatbots, les graphes, ainsi que la régression, la classification, l'analyse de texte et les réseaux neuronaux. Programmation en Python.
