Eric Moulines

Éric Moulines est un chercheur en apprentissage statistique, probabilité numérique et traitement statistique du signal. Il a consacré une large part de sa carrière à l’inférence bayésienne, aux méthodes de Monte Carlo et à l’analyse des algorithmes stochastiques. Dans ses travaux récents, il se concentre sur les défis de l’inférence statistique en haute-dimension, l’échantillonnage Monte Carlo, les problèmes inverses avec a priori diffusif et l’optimisation stochastique. Il explore notamment les liens entre méthodes de diffusion et Monte Carlo, développe des bornes non asymptotiques pour l’approximation stochastique, et conçoit des cadres probabilistes pour des modèles génératifs et l’incertitude prédictive. Ses contributions couvrent aussi l’apprentissage collaboratif et fédéré ainsi que les applications des modèles probabilistes à l’apprentissage profond et aux problèmes inverses en grande dimension.  Il est à l’interface entre théorie des probabilités et apprentissage statistique moderne.

--> International journals with reading commitees references

--> Articles in the proceedings of international conferences references

Dernière mise à jour de la page : 15 décembre 2025