Accueil/ conferencier
Balàzs Kégl

Cursus :

Balázs Kégl a reçu le Ph.D. Diplômé en informatique de l'Université Concordia à Montréal en 1999. De janvier à décembre 2000, il a été boursier postdoctoral au Département de mathématiques et de statistique de l'Université Queen's à Kingston, au Canada, où il a reçu une bourse postdoctorale du CRSNG. Il a été professeur adjoint au Département d'informatique et de recherche opérationnelle de l'Université de Montréal de 2001 à 2006.

Depuis 2006, il est chercheur au Laboratoire des accélérateurs linéaires du CNRS. Il a publié plus d'une centaine d'articles sur l'apprentissage non supervisé et supervisé (courbes principales, estimation de dimensionnalité intrinsèque, boosting), l'inférence et l'optimisation bayésiennes à grande échelle et diverses applications allant du traitement de la musique et de l'image à la biologie des systèmes et à la physique expérimentale. À son poste actuel, il a dirigé l'équipe AppStat travaillant sur l'apprentissage automatique et les problèmes d'inférence statistique motivés par les applications de la physique des particules et des astroparticules à haute énergie.

Depuis 2014, il dirige le Centre de Data Science de l'Université de Paris Saclay. En 2016, il est co-créé le RAMP.

Affiliation : Université de Paris Saclay

Statut : Chercheur

Exposé(s) :
photoExpose
Machine learning in scientific workflows
Balàzs Kégl

Conférence de Balázs Kégl (Université Paris Saclay) dans le cadre du Data Science Colloqium, série de conférences de la Chaire CFM-­ENS "Modèles et Sciences des Données".

I will describe our contributions to scientific ML workflo...
Mots-clés : apprentissage automatique , base de données , Data Science Colloquium , intelligence artificielle , machine learning , Open data , prévision