Axelle Méric
Stable and Reproducible Change-Point Detection in Time Series through Multi-Scale and Consensus-Based Methods
Dauphine–PSL · Madalina Olteanu & Rebecca Killick · thèse académique
Research training
Encadrement doctoral
Sept doctorats coencadrés, en statistique, apprentissage et applications industrielles.
Thèses en cours
Yassine Ghariani
Modeling Non-Stationary Time Series in Energy Markets: Operator Learning and Conditional Density Estimation
Dauphine–PSL / ENGIE · Madalina Olteanu · CIFRE
Léo Saci
Guided Clustering of Irregular and Heterogeneous Multivariate Time Series for Unsupervised System Alignment and Latent Event Recovery
Dauphine–PSL / Murex · Madalina Olteanu · CIFRE
Aminata Ndiaye
Conditional Density Estimation and Counterfactual Inference
Dauphine–PSL / Renault · Madalina Olteanu · CIFRE
Thèses soutenues
Bruno Belucci Teixeira
Apprentissage sur données tabulaires : régularisation structurelle, des réseaux de neurones à petits échantillons au clustering en haute dimension
Dauphine–PSL / BNP Paribas · Karim Lounici · CIFRE
Grégoire Pacreau
Operator Learning for Recommender Systems and Uncertainty Quantification
École polytechnique / Institut Polytechnique de Paris · Karim Lounici
Benjamin Riu
Comparaison des lois conjointes et marginales par permutation des labels pour la régression et l’estimation de densité conditionnelle
École polytechnique / Institut Polytechnique de Paris · Karim Lounici
Les intitulés des thèses en cours reflètent les formulations du dossier ANR et pourront être ajustés aux titres définitifs déposés.