Introduit des opérateurs proximaux et des méthodes de gradient conditionnel pour les problèmes convexes composites de minimisation dans l'optimisation des données.
Explore l'ergonomie spatiale pour les SPDE, couvrant les formulations de base, les effets initiaux des données, et les résultats sur l'ergonomie et le CLT.
Explore les algorithmes de classification génératifs et discriminatifs, en mettant l'accent sur leurs applications et leurs différences dans les tâches d'apprentissage automatique.
Couvre l'inférence statistique, l'apprentissage automatique, les SVM pour la classification des pourriels, le prétraitement des courriels et l'extraction des fonctionnalités.
Introduit un cours sur l'apprentissage automatique des données comportementales à l'EPFL, couvrant les algorithmes ML, le traitement des données et l'évaluation des modèles.
Couvre la propagation des croyances sur les graphes, explorant les défis de calcul et les heuristiques, en se concentrant sur les propriétés de boucle des graphes aléatoires clairsemés.
Introduit un séminaire virtuel sur l'analyse stochastique, couvrant un large éventail de sujets et se concentrant sur les défis mathématiques de la crise du COVID-19.
Explore la vraisemblance du Whittle déprécié pour les séries chronologiques et les données spatiales, en mettant l'accent sur l'adaptation de la densité spectrale au parodogramme pour de meilleures prédictions et une meilleure estimation des paramètres.
Introduit des modèles de Markov cachés, expliquant les problèmes de base et les algorithmes comme Forward-Backward, Viterbi et Baum-Welch, en mettant laccent sur lattente-Maximisation.
Explore la méthode de fonction aléatoire pour résoudre les PDE à l'aide d'algorithmes d'apprentissage automatique pour approximer efficacement les fonctions à haute dimension.
Explore le modèle p-spin dans la théorie du verre de spin et la convergence au modèle d'énergie aléatoire en utilisant les intégrales gaussiennes et la méthode de réplique.
Explore l'apprentissage des modèles latents dans des structures graphiques, en se concentrant sur des scénarios avec des échantillons incomplets et en introduisant la notion de distance entre les variables.
