Symposium en apprentissage statistique pour les données complexes

Cédric Beaulac

Cédric Beaulac est professeur au Département de mathématiques de l’Université du Québec à Montréal (UQAM) depuis 2022. Il a obtenu son doctorat en sciences statistiques à l’Université de Toronto, puis a effectué un stage postdoctoral à l’Université Simon Fraser ainsi qu’à l’Université de Victoria.

Son approche de recherche repose sur le développement de nouvelles méthodologies pour l’analyse de structures de données complexes. Ses travaux portent principalement sur l’apprentissage statistique, l’analyse de données fonctionnelles et les méthodes de réduction de dimension. Ses travaux de recherche récents visent à établir une représentation fonctionnelle des formes et des surfaces pour l’analyse d’images, ainsi qu’à en explorer les applications en santé, en neurosciences et en sécurité routière.

Piercesare Secchi

Piercesare Secchi est professeur titulaire de statistique au Politecnico di Milano, où il est membre du MOX – le laboratoire départemental de modélisation et de calcul scientifique – et responsable du programme de doctorat en analyse de données et sciences de la décision. Il est diplômé en mathématiques et en statistique de l’Université de Milan, de l’Université de Trente et de l’Université du Minnesota.

Ses recherches portent sur les méthodes statistiques pour les données complexes et spatialement dépendantes, incluant la statistique spatiale orientée objet, l’analyse de données fonctionnelles et la classification de données complexes. Il a coordonné et participé à de nombreux projets de recherche nationaux et internationaux, dont les applications vont de la surveillance environnementale et des systèmes énergétiques à la santé, aux transports et aux études urbaines.

Piercesare Secchi est l’un des fondateurs de Moxoff, une spin-off du Politecnico di Milano dédiée aux mathématiques et statistiques appliquées aux entreprises et à l’industrie. Il a occupé plusieurs postes de direction, notamment celui de directeur du Département de mathématiques (2009-2016) et de président du European Center for Nanomedecine (2015-2019).

Ana Maria Kenney

Ana Maria Kenney est professeure adjointe au Département de statistique de l’Université de la Californie à Irvine. Ses travaux portent sur l’interface entre les statistiques, l’apprentissage automatique interprétable et l’optimisation à grande échelle, au service de la recherche biomédicale. Elle a fait partie de plusieurs équipes interdisciplinaires interinstitutionnelles, notamment en génétique cardiovasculaire, en sciences omiques pour la croissance du nourrisson et en dépistage précoce du cancer. Elle a effectué un stage postdoctoral à l’Université de la Californie à Berkeley et a précédemment obtenu un double doctorat en statistique et en recherche opérationnelle, à la Pennsylvania State University. Elle y a été boursière du programme de formation Biomedical Big Data to Knowledge et titulaire d’une bourse de doctorat Alfred P. Sloan.

Francesca Chiaromonte

Francesca Chiaromonte est titulaire d’une laurea en statistique et sciences économiques de l’Université de Rome La Sapienza, en Italie, et d’un doctorat en statistique de l’Université du Minnesota, aux États-Unis. Ses recherches portent sur les méthodes d’analyse de données de grande dimension, complexes, structurées et potentiellement sous-échantillonnées, incluant les méthodes de réduction de dimension supervisée et de sélection de variables, les techniques computationnelles pour l’évaluation empirique de la significativité et de la stabilité, les approches de modélisation de la structure latente et de Markov et les méthodes d’analyse de données fonctionnelles. Elle applique ces méthodes aux sciences omiques contemporaines, à la recherche biomédicale et à d’autres domaines, notamment la météorologie et l’économie.

Professeure titulaire de statistique, elle est aussi titulaire de la chaire Dorothy Foehr Huck et J. Lloyd Huck en statistique pour les sciences de la vie à la Pennsylvania State University, aux États-Unis. Elle est également membre active du Center for Computational Biology & Bioinformatics, du Center for Medical Genomics et de l’Institute for Genome Sciences. Francesca Chiaromonte est aussi professeure titulaire à l’Institut d’économie de la Sant’Anna School of Advanced Studies de Pise, en Italie, où elle est responsable de la coordination scientifique de L’EMbeDS (Économie, gestion et droit à l’ère de la science des données) depuis sa création, en 2018.

Francesca Chiaromonte est également fellow de l’American Statistical Association depuis 2016 et de l’Institute for Mathematical Statistics depuis 2022. Elle a publié environ 120 articles évalués par des pairs, dont de nombreuses publications dans les revues généralistes et disciplinaires les plus influentes (par exemple, Nature, PNAS, JASA, Annals of Statistics, etc.). Ses travaux collaboratifs ont été financés à plusieurs reprises par le NIH et la NSF.

Steven Golovkine

Steven Golovkine est professeur adjoint au Département de mathématique et de statistiques de l’Université Laval. Ses intérêts de recherche se concentrent sur le développement de méthodes statistiques et d’algorithmes pour la modélisation de données fonctionnelles multivariées. Des exemples d’applications de ses travaux incluent l’imagerie à résonance magnétique fonctionnelle (IRMf), les données d’accéléromètres en science du sport ou encore le monitoring d’électrocardiogrammes (EEG) en cardiologie.

Steven Golovkine a reçu son diplôme d’ingénieur en statistique et sa M. Sc. en Big Data en 2017 de l’École nationale de la statistique et de l’analyse de l’information (ENSAI), en France. Il a obtenu un doctorat en mathématique et leur interaction de l’ENSAI en 2017, en collaboration avec le Groupe Renault, sur le sujet «Statistical methods for multivariate functional data».