Événement

Balázs Kégl animera un Seminar@SystemX le 19 décembre

Balázs Kégl (Université Paris-Saclay) se rendra à l’IRT SystemX le 19 décembre pour animer un séminaire sur le thème « Machine learning in scientific workflows », de 14h00 à 15h30 en salles 24/25/26, bâtiment 863 (Nano-INNOV).

Résumé (en anglais)

During this talk, Balázs Kégl will describe his contributions to scientific ML workflow building and optimization, which have been carried out within the Paris-Saclay Center for Data Science. He will start by mapping out the different use cases of machine learning in sciences (data collection, inference, simulation, hypothesis generation). Then he will detail some of the particular challenges of ML/science collaborations and the solutions they built to solve these challenges. He will briefly describe the open code submission RAMP tool that they built for collaborative prototyping, detail some of the workflows (e.g., the Higgs boson discovery pipeline, El Nino forecasting, detecting Mars craters on satellite images), and present results on rapidly optimizing machine learning solutions.

 

Biographie

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.

 

Inscription