Tél. 01 75 31 97 16
Site web personnelPersonal Web Site
Équipe de recherche :Research Team:
Signal, Statistique et Apprentissage (S2A)Signal, Statistics and Learning (S2A)
Laboratoire :Laboratory:
Laboratoire Traitement et Communication de l'Information (LTCI)Information Processing and Communication Laboratory (LTCI)
Département :Department:
Image, Données, Signal (IDS)Image, Data, Signal (IDS)
Je suis actuellement enseignant-chercheur à Télécom Paris dans l’équipe Signal, Statistique et Apprentissage (S²A) du Laboratoire de Traitement de l’Information et de la Communication (LTCI). Mes principaux domaines de recherche sont la profondeur des données, le machine learning, les statistiques de calcul, les valeurs manquantes, les statistiques robustes, l’analyse des données multivariées, l’analyse des données fonctionnelles, l’analyse des enveloppes de données.
Vous pouvez télécharger ici mon curriculum vitae complet.
Teaching
MDI721: Statistics
- 03/09/2019 (morning): Introduction (lecture) [slides].
- 03/09/2019 (afternoon): Introduction : Python, Numpy, Pandas (practical class) [task] [correction] [dataset1] [dataset2].
- 04/09/2019 (morning): Linear model (lecture) [slides].
- 05/09/2019 (morning): Linear model and its properties (lecture) [slides1] [slides2].
- 05/09/2019 (afternoon): Linear regression (practical class) [task] [dataset].
- 06/09/2019 (morning): Confidence intervals and test (lecture) [slides1] [slides2].
- 09/09/2019 (morning): Ridge, Lasso (lecture) [slides1] [slides2] [exercise] [correction].
- General information: [Lecture notes] [Quiz example].
IA710: Statistical learning
- 18/09/2019 (afternoon): Stochastic gradient and perceptron (practical class) [task] [correction] [source].
- 01/10/2019 (morning): Classification tree, bagging, and random forest (lecture) [slides].
- 02/10/2019 (afternoon): Classification trees (practical class) [task] [correction] [source].
- 15/10/2019 (morning): Time series: an introduction (lecture) [slides] [lecture notes].
- 16/10/2019 (afternoon): Time series: an introduction (practical class) [task] [dataset1][dataset2][dataset3].
Master Data-Science
- 10/02/2020 (afternoon): Introduction to robust statistics (lecture) [slides].
- 11/02/2020 (afternoon): Introduction to robust statistics (practical class) [task] [dataset].
- 18/02/2020 (afternoon): Data depth (lecture) [slides].
- 10/03/2020 (afternoon): Data depth and extreme values (practical class) [task] [code].
Interprétation, responsabilité et robustesse dans le machine learning
Confiance numérique, Data science & IA — 17/02/2021De nos jours, la science des données, le machine learning, les solutions basées sur [...]Interpretability, Accountability and Robustness in Machine Learning
Confiance numérique, Data science & IA — 16/02/2021Nowadays, data science, machine learning, artificial intelligence based solutions being [...]Une IA explicable : flexibilité et spécificité du contexte
Confiance numérique, Data science & IA, Enseignants-chercheurs — 23/04/2020L'initiative Operational AI Ethics de Télécom Paris vient de publier son [...]Flexible and Context-Specific AI Explainability: A Multidisciplinary Approach
Confiance numérique, Data science & IA — 23/04/2020Telecom Paris' Operational AI Ethics initiative has just published its first [...]4 postes de post-doctorant·es en apprentissage statistique à Télécom Paris
Data science & IA — 15/10/20194 postes de post-doctorant·es sont actuellement proposés pour des missions portant sur [...]