HYBRID RESEARCH SCHOOL – ECOLE DE RECHERCHE

Mathematics, Signal Processing and Learning
Mathématiques, traitement du signal et apprentissage​

25 – 29 January 2021
Organizing Committee
Comité d’organisation

Sandrine Anthoine (CNRS – Aix-Marseille Université)
Caroline Chaux (CNRS – Aix-Marseille Université)
Hachem Kadri (Aix-Marseille Université)
Frédéric Richard (Aix-Marseille Université)

Scientific Committee
Comité scientifique

Francis Bach (INRIA Paris)
Richard Baraniuk (Rice University)
Gabriel Peyré (CNRS – ENS Paris)

Description
This week will consist of a doctoral school on mathematics and learning with an emphasis on signal and image processing. The main topic will be the basics of learning, plus more advanced classes on reinforcement learning and deep learning for example, as well as classes on signal processing and optimization in machine learning. Most of the lectures will adopt a mathematical view of machine learning and will feature practical sessions (for example in Python). Finally, the participants will also have the opportunity to present their work in poster or short oral sessions.
Cette école de recherche portera sur les mathématiques et l’apprentissage, avec une coloration traitement du signal et de l’image. On y abordera des notions de bases de l’apprentissage et du traitement du signal, mais aussi des notions plus avancées d’optimisation, d’apprentissage par renforcement et d’apprentissage profond. On veillera à ce que des aspects pratiques y soient associés (via des travaux pratiques sous Python). Enfin, on laissera l’opportunité aux participants de présenter leur travaux au travers de posters ou de présentations courtes.
Speakers

  • Basics in machine learning: 

Marianne Clausel (Université de Lorraine)
Lecture 1    Lecture 2
Practical session 1   Practical session 1

  • Signal processing:

Nicolas Vayatis (ENS Paris-Saclay)
Laurent Oudre (ENS Paris-Saclay)
tutorial – part 1      tutorial – part 2

  • Optimization:

​​Nelly Pustelnik (CNRS, ENS Lyon)
​Lecture 1    Lecture 2     Lecture 3    Lecture 4

  • Reinforcement learning: 

Allesandro Lazaric (Facebook AI Research)
​Lecture 1    Lecture 2     Lecture 3    Lecture 4

  • One signal processing view on deep learning:   

Edouard Oyallon (LIP6, CNRS)
Lecture 1    Lecture 2