Curriculum Vitæ. Tél: Page web: Né le 2 mars 1983 Nationalité Française

Transcription

1 Curriculum Vitæ Sylvain Arlot Département de Mathématiques d'orsay Bâtiment 425 Faculté des Sciences d'orsay Université Paris-Sud ORSAY Cedex France Tél: Page web: Né le 2 mars 1983 Nationalité Française Situation administrative Professeur (2 ème classe, section 26) Université Paris-Sud En délégation (à mi-temps). Institut des Hautes Études Scientiques (IHES) Oct Août 2015 Chargé de Recherches 1ère classe, CNRS DI ENS, École Normale Supérieure, Paris Oct Sep Chargé de Recherches 2ème classe, CNRS DI ENS, École Normale Supérieure, Paris Sep Août 2008 Allocataire-Moniteur Université Paris-Sud, Faculté des Sciences d'orsay Sep Août 2005 Élève fonctionnaire stagiaire École Normale Supérieure, Paris Publications Journaux à comité de lecture 1. (2012) Matthieu Solnon, Sylvain Arlot et Francis Bach Multi-task regression using minimal penalties Journal of Machine Learning Research 13(Sep): (2011) Sylvain Arlot et Peter L. Bartlett Margin-adaptive model selection in statistical learning Bernoulli, Vol. 17, No 2, (2010) Sylvain Arlot et Alain Celisse Segmentation of the mean of heteroscedastic data via cross-validation Statistics and Computing, 2010 (120). 4. (2010) Sylvain Arlot et Alain Celisse A survey of cross-validation procedures for model selection Statistics Surveys, 4, 4079 (electronic). 5. (2010) Sylvain Arlot, Gilles Blanchard et Étienne Roquain Some non-asymptotic results on resampling in high dimension, I: condence regions The Annals of Statistics, Vol. 38, No. 1, (2010) Sylvain Arlot, Gilles Blanchard et Étienne Roquain Some non-asymptotic results on resampling in high dimension, II: multiple tests The Annals of Statistics, Vol. 38, No. 1, (2009) Sylvain Arlot Model selection by resampling penalization Electronic Journal of Statistics, 3, (electronic). 8. (2009) Josselin Desmars, Sylvain Arlot, Jean-Eudes Arlot, Valery Lainey et Alain Vienne Estimating the accuracy of satellite ephemerides using the bootstrap method Astronomy and Astrophysics, 499,

2 9. (2009) Sylvain Arlot et Pascal Massart Data-driven calibration of penalties for least-squares regression Journal of Machine Learning Research. 10(Feb): Actes de conférences avec comité de lecture 10. (2014) Damien Garreau, Rémi Lajugie, Sylvain Arlot et Francis Bach Metric Learning for Temporal Sequence Alignment Advances in Neural Information Processing Systems (Nips) 27, (2014) Rémi Lajugie, Sylvain Arlot et Francis Bach Large-Margin Metric Learning for Constrained Partitioning Problems International Conference on Machine Learning, JMLR W& CP 32 (1): (2009) Sylvain Arlot et Francis Bach Data-driven calibration of linear estimators with minimal penalties Advances in Neural Information Processing Systems (Nips) 22, (2007) Sylvain Arlot, Gilles Blanchard et Étienne Roquain Resampling-based condence regions and multiple tests for a correlated random vector Proceedings of the Conference On Learning Theory (Colt 2007 ). Prépublications 14. (2014) Sylvain Arlot et Robin Genuer Analysis of purely random forests bias arxiv: (2012) Sylvain Arlot et Matthieu Lerasle Why V = 5 is enough in V -fold cross-validation arxiv: (2012) Sylvain Arlot, Alain Celisse et Zaïd Harchaoui Kernel change-point detection arxiv: (2011) Sylvain Arlot et Francis Bach Data-driven calibration of linear estimators with minimal penalties arxiv: (2010) Sylvain Arlot Choosing a penalty for model selection in heteroscedastic regression arxiv: (2008) Sylvain Arlot V -fold cross-validation improved: V -fold penalization arxiv: (2004) Sylvain Arlot Étude d'un modèle de dynamique des populations Mémoire de DEA sous la direction de Jean-Christophe Yoccoz arxiv: Manuel d'enseignement 21. (2015) Sylvain Arlot, Aurélien Garivier et Gilles Stoltz Exercices d'oral de mathématiques Collection Références sciences, Ellipses. Classes prépas BL - ECE - ECS. Corrigés et commentés. Autres textes 22. (2012) Rémi Lajugie, Francis Bach et Sylvain Arlot Metric learning for partitioning problems NIPS Workshop on Discrete Optimization in Machine Learning (DISCML) (2010) Sylvain Arlot et Francis Bach Data-driven penalties for linear estimators selection Oberwolfach Reports Vol. 7, no. 1. Report No.16/2010. Workshop: Modern Nonparametric Statistics: Going Beyond Asymptotic Minimax 24. (2010) Sylvain Arlot Session Sélection de modèles Journées MAS de la SMAI 25. (2007) Sylvain Arlot V -fold penalization: an alternative to V -fold cross-validation Oberwolfach Reports Vol. 4, no. 4. Report No.50/2007. Workshop: Reassessing the Paradigms of Statistical Model Building 26. (2007) Sylvain Arlot Model selection by resampling penalization arxiv:math.st/ Logiciels 27. (2012) Matthieu Solnon, Sylvain Arlot et Francis Bach Boîte à outils pour la régression multitâches: multitask_minpen (2010) Sylvain Arlot et Alain Celisse Change-Point Detection via Cross-Validation http: //

3 29. (2009) Sylvain Arlot, Gilles Blanchard et Étienne Roquain Condence Regions and Multiple Tests by Resampling (2008) Sylvain Arlot Resampling Penalization for histogram selection in regression http: // Habilitation à diriger des recherches Titre: Contributions à la théorie statistique de l'apprentissage: sélection d'estimateurs et détection de ruptures. Soutenue le 3 décembre 2014 à l'université Paris Diderot. Manuscrit disponible à l'adresse Rapporteurs : M. Stéphane Boucheron Université Paris Diderot M. Arnak Dalalyan ENSAE M. Gábor Lugosi ICREA / Universitat Pompeu Fabra Jury : M. Francis Bach INRIA Examinateur M. Patrice Bertail Université Paris Ouest Nanterre Examinateur M. Lucien Birgé Université Pierre et Marie Curie Président M. Stéphane Boucheron Université Paris Diderot Rapporteur M. Arnak Dalalyan ENSAE Rapporteur M. Nicolas Vayatis École Normale Supérieure de Cachan Examinateur Thèse Titre: Rééchantillonnage et Sélection de modèles. Soutenue le 13 décembre 2007 à l'université Paris-Sud. Directeur de thèse: Pascal Massart. Manuscrit disponible à l'adresse J'ai reçu pour ma thèse le prix Marie-Jeanne Laurent-Duhamel 2011 de la Société Française de Statistique (SFDS). Rapporteurs : M. Peter L. Bartlett University of California, Berkeley M. Yuhong Yang University of Minnesota Jury : M. Patrice Bertail CREST et Université Parisx Examinateur M. Philippe Berthet Université RennesI Examinateur M. Gilles Blanchard Fraunhofer FIRST, Berlin Examinateur M. Stéphane Boucheron Université ParisVII Président M. Olivier Catoni CNRS et Université ParisVI Examinateur M. Pascal Massart Université ParisXI, Orsay Directeur Résumé: Cette thèse s'inscrit dans les domaines de la statistique non-paramétrique et de la théorie statistique de l'apprentissage. Son objet est la compréhension ne de certaines méthodes de rééchantillonnage ou de sélection de modèles, du point de vue non-asymptotique. La majeure partie de ce travail de thèse consiste dans la calibration précise de méthodes de sélection de modèles optimales en pratique, pour le problème de la prédiction. Nous étudions la validation croisée V -fold (très couramment utilisée, mais mal comprise en théorie, notamment pour ce qui est de choisir V ) et plusieurs méthodes de pénalisation. Nous proposons des méthodes de calibration précise de pénalités, aussi bien pour ce qui est de leur forme générale que des constantes multiplicatives. L'utilisation du rééchantillonnage permet de résoudre des problèmes diciles, notamment celui de la régression avec un niveau de bruit variable. Nous validons théoriquement ces méthodes du point de vue non-asymptotique, en prouvant des inégalités oracle et des propriétés d'adaptation. Ces résultats reposent entre autres sur des inégalités de concentration. Un second problème que nous abordons est celui des régions de conance et des tests multiples, lorsque l'on dispose d'observations de grande dimension, présentant des corrélations générales et inconnues. L'utilisation de méthodes de rééchantillonnage permet de s'aranchir du éau de la dimension, et d' apprendre

4 ces corrélations. Nous proposons principalement deux méthodes, et prouvons pour chacune un contrôle non-asymptotique de leur niveau. Mots-clés: Statistique non-paramétrique, apprentissage statistique, rééchantillonnage, non-asymptotique, validation croisée V -fold, bootstrap, sélection de modèles, pénalisation, régression non-paramétrique, adaptation, hétéroscédastique, régions de conance, tests multiples. Distinctions 2011 Prix de thèse Marie-Jeanne Laurent-Duhamel Société Française de Statistique Cours Peccot Collège de France e Olympiades Internationales de Mathématiques Bucarest, Roumanie Médaille de bronze 1999 Concours Général de mathématiques 1 er accessit Participation à des projets scientiques 2015 Membre du projet MASTODONS Titan (dirigé par André Ferrari & Zaïd Harchaoui) Membre du projet MASTODONS Gargantua (dirigé par Zaïd Harchaoui, INRIA Grenoble) Membre du projet ANR Calibration (dirigé par Vincent Rivoirard, Univ. Paris Dauphine) Porteur du projet ANR Detect: Nouvelles approches statistiques pour la vision articielle et la bioinformatique Voir aussi Membre du réseau d'excellence européen Pascal (Pattern Analysis, Statistical Modelling and Computational Learning) puis Pascal 2 depuis Membre du Projet Select INRIA Saclay Visites scientiques Mars 2012 Università degli Studi di Siena Duccio Papini Fév Scuola Normale Superiore di Pisa Stefano Marmi Déc University of California, Berkeley Peter L. Bartlett Nov Scuola Normale Superiore di Pisa et Università degli Studi di Siena Stefano Marmi et Duccio Papini Jan.Avr University of California, Berkeley Peter L. Bartlett Activités de review Journaux: Annales de l'institut Henri Poincaré (2012), Annals of Statistics (2008 3, , 2012, 2013, 2014), Bernoulli (2010, 2013), Computational Statistics and Data Analysis (2011), Electronic Journal of Statistics (2009), IEEE Transactions on Systems, Man and Cybernetics Part B (2008), IEEE Transactions on Pattern Analysis and Machine Intelligence (2010), Journal de la SFDS (2009), Journal of Econometrics (2014), Journal of Machine Learning Research (2007, 2008), Journal of the Royal Statistical Society Series B (2010), Scandinavian Journal of Statistics (2010), Statistics and Computing (2009, 2010) Conférences: Aistats 2011, Colt 2008, 2013, Icml 2015 Livres: Société Mathématique de France (2013)

5 Projets: Challenge Pascal (2007, 2012), Projets Exploratoires PluridisciplinaireS de l'insmi (2010) Responsabilités collectives Membre élu du conseil de laboratoire DI/ENS Encadrement d'étudiants Doctorants: Damien Garreau ( ) Apprentissage de noyaux pour la détection de ruptures (co-encadré avec Gérard Biau) Rémi Lajugie ( ) Apprentissage robuste avec sorties structurées (co-encadré avec Francis Bach) Matthieu Solnon ( ) Apprentissage statistique multi-tâches (co-encadré avec Francis Bach) Thèse soutenue le 25 novembre 2013 Stagiaires de M2 ou équivalent: Damien Garreau (2014) Apprentissage de métrique et déformation temporelle dynamique (coencadré avec Francis Bach) Matteo Tanzi (2013) Denoising and Parameter Estimation for Deterministic Dynamical Systems (co-encadré avec Stefano Marmi) Rémi Lajugie (2012) Apprentissage de métrique pour la détection de rupture (co-encadré avec Francis Bach) Matthieu Solnon (2010) Apprentissage multi-tâches et pénalités minimales (co-encadré avec Francis Bach) Stagiaires de M1: Anisse Ismaili et Pierre Gaillard (2009) Le Lasso, ou comment choisir parmi un grand nombre de variables à l'aide de peu d'observations Membre de jurys de thèse Avr Juin 2009 Pierre Connault Université Paris-Sud Examinateur Matthieu Lerasle INSA Toulouse Examinateur Participation à l'organisation d'événements scientiques Co-organisateur Séminaire SMILE, École Normale Supérieure, Paris, France Juin 2013 Membre du comité de programme Workshop on Industry & Practices for Forecasting (WIPFOR), Paris, France Sep Session Sélection de modèles Journées MAS de la SMAI, Université Bordeaux 1, France Exposés dans des congrès ou workshops internationaux Fév Cross-validation for estimator selection (keynote speaker) SMPGD 2015: Statistical Methods for Post Genomic Data, Ludwig-Maximilians University, Munich, Allemagne Invité par Sylvie Huet, Béatrice Laurent-Bonneau, Franck Picard & Stéphane Robin

6 Mai 2014 Avr Déc Optimal model selection with V-fold cross-validation : how should V be chosen? High Dimensional Probability VII, Institut d'études scientiques, Cargese, France Invité par Patricia Reynaud-Bouret Kernel change-point detection Workshop Kernel methods for big data, Université Lille 1, France Invité par Julien Jacques, Guillemette Marot & Alain Celisse Optimal data-driven estimator selection with minimal penalties (keynote lecture) Rencontres de Statistique Mathématique, CIRM, Marseille-Luminy, France Invité par Christophe Pouet, Markus Reiss & Philippe Rigollet Juil Mars 2013 Optimal model selection with V-fold cross-validation : how should V be chosen? Fête Parisienne in Computation, Inference and Optimization: A Young Researchers' Forum, IHES, France Invité par Francis Bach & Michael Jordan Jan Kernel change-point detection Final workshop of the thematic cycle Nonstationarity and risk management, CIRM, Marseille, France Invité par Paul Doukhan, Konstantinos Fokianos, Flora Koukiou & Jean-Luc Prigent Optimal model selection with V -fold cross-validation: how should V be chosen? World Congress in Probability and Statistics 2012, Istanbul, Turquie Invité par Gilles Blanchard Mars 2012 Resampling-based estimation of the accuracy of satellite ephemerides Inaugural Conference of the Laboratory Fibonacci, Scuola Normale Superiore di Pisa, Pisa, Italie Août 2011 Resampling-based condence regions and multiple tests International Conference on Multiple Comparison Procedures, Washington, D.C., USA Invité par James Troendle Mai 2011 Sélection d'estimateurs avec des pénalités aléatoires (exposé pleinier pour la remise du prix Marie-Jeanne Laurent-Duhamel ) 43e Journées de Statistique (SFDS 2011), Tunis, Tunisie Mars 2010 Data-driven penalties for linear estimator selection Workshop Modern Nonparametric Statistics: Going Beyond Asymptotic Minimax, MFO, Oberwolfach, Allemagne Invité par Lucien Birgé, Iain Johnstone & Vladimir Spokoiny Déc Data-driven calibration of linear estimators with minimal penalties NIPS (poster), Vancouver, Canada Juil Optimal model selection European Meeting of Statisticians, Toulouse, France Invité Sep par Gilles Blanchard Data-driven calibration of penalties for least squares regression Statistique mathématique et applications, Fréjus, France Juin 2008 V -fold penalization: an alternative to V -fold cross-validation Congrès Canada- France, Université du Québec, Montréal, Canada Invité par Yannick Baraud Mars 2008 V -fold cross-validation improved : V -fold penalization Cherry Bud Workshop 2008, Keio University, Yokohama, Japon Invité par Ritei Shibata Oct Juin 2007 Mai 2007 Nov Juil V -fold penalization: an alternative to V -fold cross-validation Workshop Reassessing the paradigms of statistical model-building, MFO, Oberwolfach, Allemagne Invité par Ursula Gather, Peter Hall & Hans-Rudolf Künsch Resampling based condence regions and multiple tests for a correlated random vector Conference On Learning Theory (Colt'07), San Diego, Californie, USA Resampling based condence regions and multiple tests for a correlated random vector Multiple Simultaneous Hypothesis Testing workshop, Workshop et challenge Pascal, Paris, France Model selection in regression with resampling penalties Statistique mathématique et applications, CIRM, Marseille, France Resampling penalties in statistical learning École d'été de probabilités, Saint-Flour, France

7 Exposés dans des congrès ou workshops nationaux Fév Comparaison de procédures de validation croisée (V -fold) Conférence Calibration statistique (projet ANR Calibration), Université de Nice-Sophia Antipolis, France Invité par Patricia Reynaud-Bouret & Vincent Rivoirard Oct Resampling-based condence regions and multiple tests Journées de statistique Rennes 2010: statistique en grande dimension, Université Rennes 2, France Invité par Dominique Dehay Jan Data-driven penalties for optimal calibration of learning algorithms Workshop Challenging problems in statistical learning, Université Paris 1, France Invité par Charles Bouveyron Juin 2008 V -fold cross-validation improved : V -fold penalization Journées Statistiques du Sud, INSA Toulouse, France Invité par Béatrice Laurent Avr Calibration automatique de méthodes de sélection de modèles par pénalisation Colloque des Jeunes Probabilistes et Statisticiens, Aussois Sep Sélection de modèles par rééchantillonnage: La pénalisation V-fold, une alternative à la validation croisée Rencontres des Jeunes Statisticiens, Aussois Juin 2007 Model selection by resampling Congrès National de la SMAI, Praz-sur-Arly, France Invité par Stéphane Boucheron Exposés invités dans les séminaires et groupes de travail Jan Nov Nov Fév Déc Analyse du biais de forêts purement aléatoires Séminaire de Probabilités et Statistiques, Laboratoire JA Dieudonné, Université de Nice-Sophia Antipolis, France Invité par François Delarue Analyse du biais de forêts purement aléatoires Séminaire de l'équipe de Probabilités et Statistiques, Institut Elie Cartan, Nancy, France Invité par Aurélie Gueudin & Ivan Nourdin Kernel change-point detection Groupe de Travail de Statistique de Jussieu, Paris 6, France Invité par Bertrand Michel & Olivier Wintenberger Sélection de modèles par validation croisée et sélection de paramètres pour la régression ridge et le lasso Groupe de travail Parietal-Select, Saclay, France Invité par Bertrand Thirion Pénalités minimales et sélection d'estimateurs optimale Séminaire de Probabilités, ENS Lyon, France Invité par Christophe Garban & Anne-Laure Fougères Mars 2012 Choix de V pour la sélection de modèles par validation croisée V -fold en estimation de densité Séminaire parisien de statistique, IHP, Paris, France Invité par Étienne Roquain Jan Calibration automatique d'estimateurs linéaires à l'aide de pénalités minimales, application à la régression multi-tâches Séminaire de Statistique, IMT, Toulouse, France Invité par Xavier Gendre & Clément Marteau Nov Data-driven calibration of linear estimators with minimal penalties, with an application to multi-task regression Statistics Seminar, Cambridge, UK Invité par Richard Samworth Oct Pénalités minimales et sélection d'estimateurs optimale Colloquium du MAP 5, Oct Oct Jan Paris 5, Paris, France Invité par Mireille Chaleyat-Maurel Calibration automatique d'estimateurs linéaires à l'aide de pénalités minimales, application à la régression multi-tâches Séminaire de Statistique, IRMAR, Rennes, France Invité par Julie Josse Margin adaptive model selection in statistical learning Séminaire de Statistiques, CREST, Paris, France Invité par Pierre Alquier & Alexandre Tsybakov Calibration automatique d'estimateurs linéaires à l'aide de pénalités minimales Séminaire Probabilités et Statistiques, Université Lille 1, Lille Invité par Thomas Simon

8 Nov Resampling-based estimation of the accuracy of satellite ephemerides Département de mathématiques, Scuola Normale Superiore di Pisa, Pisa, Italie Invité par Stefano Marmi Nov Study of the Yoccoz-Birkeland model Dipartimento di Ingegneria dell'informazione, Università degli Studi di Siena, Italie Invité par Duccio Papini Avr Data-driven penalties for model selection Mathematical Statistics Seminar, Weierstrass Institute, Berlin, Allemagne Invité par Vladimir Spokoiny Mai 2008 La pénalisation V -fold : une alternative à la validation croisée Séminaire de Probabilités, ÉNS Lyon Invité par Cédric Bernardin Mai 2008 La pénalisation V -fold : une alternative à la validation croisée Séminaire de Probabilités et Statistiques, Université Aix-Marseille 1 Invité par Florent Autin Mars 2008 V -fold cross-validation improved : V -fold penalization Groupe de travail de Bin Yu, Statistics Department, UC Berkeley, USA Invité par Bin Yu Fév V -fold cross-validation improved : V -fold penalization CIS Seminar, Computer Science Department, UC Berkeley, USA Invité par Alexander Rakhlin Déc Rééchantillonnage et Sélection de modèles Soutenance de thèse, Laboratoire de Mathématiques, Université Paris-Sud, Orsay Déc La pénalisation V -fold : une alternative à la validation croisée Séminaire Parisien de Statistiques, IHP, Paris Invité par Patricia Reynaud-Bouret Déc La pénalisation V -fold : une alternative à la validation croisée Groupe de travail des thésards, LSTA, Université Paris 6 Invité par Olivier Bouaziz Nov La pénalisation V -fold, une alternative à la validation croisée Séminaire du Laboratoire de Statistiques et Probabilités, Université Toulouse 3 Invité par Béatrice Laurent Nov V -fold penalization: an alternative to V-fold cross-validation Séminaire TAO, Laboratoire de Recherche en Informatique, Université Paris-Sud, Orsay Invité par Olivier Teytaud Oct La pénalisation V -fold, une alternative à la validation croisée Séminaire du Laboratoire Jean-Dieudonné, Université de Nice Sophia Antipolis Invité par Yannick Baraud Juil Régions de conance par rééchantillonnage Séminaire de l'équipe MMiXT, Laboratoire LENA, Hôpital de La Pitié-Salpêtrière, Paris Invité par Sylvain Baillet Mars 2007 Sélection de modèles et Apprentissage statistique Groupe de travail des thésards Delphine-Sabourin, Université Paris-Dauphine Invité par Anne-Laure Dalibard Nov Sélection de modèles par rééchantillonnage Groupe de Travail de Statistique, LPMA, Universités Paris 6 et 7 Invité par Stéphane Boucheron Oct Oct Mai 2006 Jan Nov Sélection de modèles par rééchantillonnage Groupe de Travail Apprentissage, ÉNS Ulm, Paris Invité par Gilles Stoltz Chaos et campagnols Séminaire des doctorants, Université Paris-Sud, Orsay Invité par Laurent Thomann Étude d'un modèle de dynamique des populations Groupe de Travail Maths-Bio, ÉNS Ulm, Paris Invité par Vincent Calvez Pénalisation par rééchantillonnage en apprentissage Groupe de Travail INAPG- Select, INAPG, Paris La concentration est utile à l'apprentissage Séminaire des élèves, ÉNS Ulm, Paris Invité par Jonas Kahn Enseignement Apprentissage Statistique Université Paris-Sud cours du M2 Probabilités et Statistiques [12h de cours + environ 6h d'exposés d'élèves] Jury de mathématiques École Normale Supérieure (Paris) concours d'admission (candidats de niveau L2), voie B/L [sujet et correction de l'écrit (503 à 636 copies) + 30 heures d'interrogations orales]

9 Tuteur École Normale Supérieure (Paris) Juil Tutoriel CEMRACS 2013 Classication and statistical machine learning [1h] Jan.Fév. Model selection via penalization, resampling and cross-validation, with application to change-point detection Université de Cergy mini-cours niveau 2012 M2/doctorat [6h] Fév Model selection and estimator selection for statistical learning Scuola Normale Superiore di Pisa mini-cours niveau M2/doctorat [10h] Leçons de mathématiques: classication École Normale Supérieure (Paris) cours de 2ème année (niveau M1) [9h] Apprentissage statistique École Normale Supérieure (Paris) cours de 1ère année (niveau M1) [10h] Classication supervisée: des algorithmes et leur calibration automatique École Centrale Paris cours de 3ème année (niveau M2) [12h+3h] Moniteur Université Paris-Sud, Ifips Travaux Dirigés au 1 er semestre du cycle préparatoire [64h] Diusion des savoirs Mai 2008 Le Mensuel de l'université Article Comment choisir un modèle? Math.en.Jeans Animation de l'atelier du lycée Sainte-Marie d'antony Avr Science Académie Animation et exposé Statistiques et Sélection de modèles Forum Sciences TPE Réponse à des questions de lycéens dans le cadre de leurs Travaux Personnels Encadrés Juil Festival des Sciences Paris-Montagne Animation d'un atelier à l'éns Paris Le réchauement climatique Cursus universitaire 2014 Habilitation à diriger des recherches, spécialité Mathématiques Université Paris Diderot Titre: Contributions à la théorie statistique de l'apprentissage: sélection d'estimateurs et détection de ruptures Doctorat en Sciences, spécialité Mathématiques Université Paris-Sud mention très honorable Thèse dirigée par Pascal Massart. Titre: Rééchantillonnage et Sélection de modèles. Prix Marie-Jeanne Laurent-Duhamel 2011 de la Société Française de Statistique (SFDS) DEA Modélisation Stochastique et Statistique Université Paris-Sud mention très bien, rang 1 stage sous la direction de J.-C. Yoccoz er Maîtrise de Mathématiques Université Paris-Sud mention très bien Licence de Mathématiques Université Paris-Sud mention très bien Élève École Normale Supérieure de Paris (rang d'admission: 1 er ) Classes préparatoires MPSI et MP Lycée Hoche, Versailles 1999 Baccalauréat série S Lycée Hoche, Versailles mention très bien Langues Anglais écrit et parlé couramment

10 Compétences en informatique Linux, Windows LATEX, HTML Logiciels: Matlab, Scilab, Maple, R Programmation: Caml, connaissances de base en C et Fortran