Conférenciers invités

Gérard Biau est professeur à Sorbonne Université et directeur du SCAI, le centre de recherche en intelligence artificielle de l’université. Il est reconnu pour ses travaux sur les fondements théoriques de l’apprentissage automatique, notamment les forêts aléatoires, le boosting et les réseaux de neurones. Il est membre de l’Institut Universitaire de France et élu à l’Académie des Sciences en 2024.

Adeline Fermanian est chercheuse en statistiques et apprentissage automatique, actuellement responsable de la recherche chez Califrais, où elle développe des méthodes d’optimisation pour la logistique alimentaire durable. Ses travaux portent sur l’analyse de séries temporelles via les signatures, les équations différentielles neuronales, et l’optimisation combinatoire. Elle est co-autrice de plusieurs publications dans NeurIPS, JMLR et Computational Statistics & Data Analysis.

Sarah Filippi est professeur en Statistical Machine Learning au Département de Mathématiques de l’Imperial College London, et co-directrice du Centre EPSRC pour la formation doctorale en statistiques et apprentissage automatique (StatML), en partenariat avec Oxford. Ses recherches portent sur la statistique computationnelle et l’apprentissage automatique, avec des applications en biologie computationnelle et en génétique biomédicale.

Eva Löcherbach est professeure de mathématiques à l’École Polytechnique et membre du CMAP, spécialisée en probabilités et statistiques des processus stochastiques. Elle travaille sur les théorèmes limites pour les processus de Markov récurrents, les systèmes de particules en interaction (Hawkes, chaînes à mémoire variable) et les modèles probabilistes inspirés des neurosciences. Elle a également contribué à la physique statistique, notamment via l’étude du chaos de propagation et des limites hydrodynamiques.

Adrian E. Raftery est professeur émérite à l’Université de Washington, reconnu pour ses contributions majeures à la statistique bayésienne, à la modélisation démographique et à la sélection de modèles. Il a été identifié par Thomson-ISI comme le chercheur le plus cité au monde en mathématiques sur la période 1995–2005. Il est membre de l’Académie nationale des sciences des États-Unis et de plusieurs sociétés savantes internationales.

Andrea Rau est directrice de recherche en statistiques et génomique à l’INRAE, au sein de l’unité GABI (Génétique Animale et Biologie Intégrative) à Jouy-en-Josas. Ses travaux portent sur l’analyse statistique de données de séquençage à haut débit (RNA-seq), les modèles de mélanges, les approches bayésiennes et l’inférence causale dans les réseaux de gènes.

Tabea Rebafka est professeure à AgroParisTech et chercheuse affiliée au LPSM à Sorbonne Université. Ses travaux portent sur la modélisation statistique des réseaux, les modèles de mélanges, l’inférence non paramétrique et les algorithmes EM stochastiques.   Elle a également contribué à des méthodes de contrôle du taux de faux regroupements dans les modèles de mélange et à l’analyse de données partiellement observées.

Vincent Rivoirard est professeur à l’Université Paris Dauphine-PSL et membre du laboratoire CEREMADE. Ses travaux portent sur la statistique non paramétrique et en grande dimension, avec des approches bayésiennes et fréquentistes. Il s’intéresse particulièrement aux applications en neurosciences, génétique et biologie. Il a dirigé le CEREMADE de 2016 à 2022.

Pierre Tandeo est maître de conférences à IMT Atlantique (campus de Brest) et chercheur au Lab-STICC (CNRS). Ses travaux portent sur l’assimilation de données, l’apprentissage automatique et la modélisation géophysique. Il est également chercheur associé au RIKEN Center for Computational Science (Japon), au sein de l’équipe Data Assimilation. Il est co-auteur de méthodes innovantes combinant réseaux de neurones et assimilation de données pour les systèmes dynamiques.

Nicolas Vayatis est professeur, doyen du département de mathématiques et directeur du Centre Borelli à l’École normale supérieure Paris‑Saclay, où il dirige des recherches en machine learning et analyse de données massives. Expert en statistiques haute dimension, modélisation prédictive, réseaux et incertitude, il développe des méthodes appliquées en santé, industrie et transport.