SOUTENANCE HDR de Salem SAID - 2 septembre 2021
Salem SAID soutiendra son HDR, jeudi 2 septembre 2021 à 10h30, dans l'Amphi J-P.DOM du Laboratoire IMS, sur le sujet suivant : « Modèles statistiques et méthodes probabilistes sur les variétés Riemanniennes ».
Soutenance accessible via zoom :
https://u-bordeaux-fr.zoom.us/j/81405769930?pwd=NGZ3RVkvNEhwYUx5NXhmSk5wRWZWUT09
Code secret : 350875
Depuis le milieu des années 2000, les données non-Euclidiennes, qui vivent dans des variétés Riemanniennes, ont commencé à prendre de l'importance, pour des applications diverses, allant du traitement radar aux interfaces cerveau-ordinateur. Tirant ses fondements de la géométrie Riemannienne et de la géométrie de l'information, le domaine des "sciences géométriques de l'information" s'est fortement développé, pour répondre aux défis posés par ces données non-Euclidiennes. Les méthodologies d'inférence statistique (fréquentiste ou Bayesienne) et les paradigmes d'apprentissage statistique restent bien sûr les mêmes, mais leur application aux données qui vivent dans des espaces différents donne lieu à des résultats différents, nouveaux, surprenants, et qu'il faut apprendre à interpréter. Il suffit par exemple de mentionner qu'une loi de probabilité sur une variété Riemannienne peut avoir plusieurs moyennes (c'est à dire "espérances") différentes ! Quand à la notion de moyenne conditionnelle, il en existe deux ou trois définitions différentes, chacune adaptée à des applications spécifiques. L'objectif de ma HDR a été de proposer des modèles statistiques capables de représenter les données non-Euclidiennes dans toute leur complexité, et de développer les outils probabilistes capables de résoudre les problèmes liés au calcul de ces modèles. On trouvera parmi ces méthodes certaines qui sont liés à la théorie des grandes matrices aléatoires, à l'échantillonnage MCMC, à l'optimisation stochastique ou déterministe. La contribution originale, qui ressort grâce à ces nouveaux modèles et outils, consiste à pouvoir prendre en compte, avec des algorithmes performants, des jeux de donnés massifs ou de grande dimension, et avec des structures de dépendance complexes.
![[NANORGASOL] Les perovskites dopent le PEDOT](https://www.ims-bordeaux.fr/cache/mod_bt_contentslider/f06b8ba673c3882419c55be3dc90b920-Capture_decran_2021-09-22_a_14.56.01.png "[NANORGASOL] Les perovskites dopent le PEDOT")
