Ecole d'ingénieur et centre de recherche en Sciences du numérique

Maurizio FILIPPONE

Maurizio FILIPPONE
Maurizio FILIPPONE
Eurecom - Data Science 
Professeur
04 93 00 81 35
04 93 00 82 00
419

Enseignement

  • Il est actuellement professeur adjoint au sein du département Data Science, où il enseigne les Techniques avancées d'Inférence statistique.

Mes cours

  • ASI / Printemps 2020 - Techniques avancées d'inference statistique

    Ce cours se concentre sur les principes de l'apprentissage automatique à partir des données et la quantification de l'incertitude, en complétant et enrichissant le cours Introduction à l'apprentissage statistique. En particulier, le cours est divisé en deux parties principales qui correspondent aux paradigmes d'apprentissage supervisés et non supervisés. La présentation du matériel suit un fil conducteur basé sur l'approche de modélisation probabiliste des données, de sorte que de nombreux algorithmes classiques, tels que les « least-square » et les « k-means », peuvent être considérés comme des cas particuliers de problèmes d'inférence pour des modèles probabilistes plus généraux. La prise de vue probabiliste permet également au cours de dériver des algorithmes d'inférence pour une classe de modèles non paramétriques qui ont des connexions étroites avec des réseaux neuronaux et des « support vector machines ». Comme dans le cas du cours Introduction à l'apprentissage statistique, l'accent n'est pas mis sur le description algorithmique des méthodes, mais plutôt sur leurs fondements mathématiques et statistiques. Ce cours avancé est complété par des sessions de laboratoire pour guider les élèves à travers la conception et la validation des méthodes développées dans les cours.

    Méthodes d'enseignement et d'apprentissage: Cours et laboratoires (de préférence un étudiant par groupe)

    Règles du cours: La participation aux séances de laboratoire est obligatoire

Rechercher




Distinctions

  • En Juillet 2018: ANR-JCJC Grant Award: "ECO-ML: Rethinking Modern Machine Learning Tools for a New Generation of Low-Power Large-Scale Modeling Systems"  (2019-2021)
  • En Avril 2016, il a obtenu un "AXA Chair position" pour une durée de 7 ans auprès du Fonds de recherche AXA (2016-2022) 
  • En 2015, il a reçu le "Special Mention" Poster Award pour "Scalable stochastic gradient-based inference for gaussian processes" (AMLGM 2015)
  • En 2010, il a reçu un prix de l'Association internationale des Pattern Recognition (IAPR) pour le meilleur article publié dans le "Pattern Recognition" Journal.