📑 Table of Contents▼


Gérard Biau est un professeur français spécialiste en statistique et apprentissage statistique.

Gérard Biau
Biographie
Naissance
26 février 1973 (53 ans)
Nationalité
Formation
Activité
Autres informations
A travaillé pour
Membre de
Dir. de thèse
Alain Berlinet
Site web
Distinction

modifier - modifier le code - modifier WikidataDocumentation du modèle

Biographie

modifier

Ancien élève de l'École nationale supérieure des mines de Paris (promotion 1994), Gérard Biau soutient un doctorat sous la direction d'Alain Berlinet à l'Université de Montpellier. Après l'obtention de l'habilitation à diriger des recherches en 2003, il devient professeur à l’Université de Montpellier en 2004. En 2007, il rejoint le laboratoire de Probabilités, Statistique et Modélisation de Sorbonne Université. Gérard Biau est à ce jour membre fondateur et directeur de SCAI, le Centre d’Intelligence Artificielle de Sorbonne Université[1],[2].

Il a été membre junior de l'Institut universitaire de France[3] de 2012 à 2017 et président de la Société française de statistique[4] de 2015 à 2018. En 2018, il reçoit le Prix Michel-Monpetit[5]. En 2024, il est nommé membre senior de l'Institut universitaire de France[3] et est élu la même année à l'Académie des sciences[6],[7].

Gérard Biau est éditeur associé des revues de statistique International Statistical Review[8] (depuis 2009), Journal of the American Statistical Association[9] (2017-2025), Biometrika[10] (depuis 2018) et The Annals of Statistics[11] (depuis 2019).

Travaux

modifier

Ses travaux concernent en particulier l'étude des propriétés statistiques des algorithmes d'intelligence artificielle[12]: les forêts aléatoires[13],[14], la statistique des données fonctionnelles[15],[16], le gradient boosting[17], la méthode des k plus proches voisins[18], les réseaux antagonistes génératifs[19],[20], les réseaux de neurones récurrents[21] et, plus récemment, les réseaux de neurones informés par la physique [22],[23].

Il est l'un des trois auteurs du manuel d'enseignement Mathématiques et statistique pour les sciences de la nature[24] et co-auteur, avec Luc Devroye, de l'ouvrage Lectures on the Nearest Neighbor Method[25].

Récompenses

modifier

Notes et références

modifier
  1. ↑ « Gérard Biau, director of SCAI, has been appointed to the Academy of Sciences », sur scai.sorbonne-universite.fr (consulté le 15 janvier 2025)
  2. ↑ Juliette Paoli, « Une Maison de l’intelligence artificielle en plein cœur de Paris pour la recherche et la formation interdisciplinaire », sur Solutions-Numeriques, 23 juillet 2019 (consulté le 15 janvier 2025)
  3. ↑ a et b « Les membres - Institut Universitaire de France », sur www.iufrance.fr (consulté le 22 janvier 2025)
  4. ↑ « Gérard Biau, directeur de SCAI, élu à l’Académie des sciences », sur www.sorbonne-universite.fr (consulté le 15 janvier 2025)
  5. ↑ a et b (en) « Laureates of the 2018 Thematical Prizes of the French Académie des Sciences | CNRS Mathématiques », sur www.insmi.cnrs.fr, 14 juillet 2018 (consulté le 15 janvier 2025)
  6. ↑ « Audois d’exception : Gérard Biau, un maître de l’intelligence artificielle entre à l’Académie des Sciences », sur lindependant.fr (consulté le 22 janvier 2025)
  7. ↑ « Communiqué de presse : 18 nouveaux membres élus à l’Académie des sciences | Académie des sciences », sur www.academie-sciences.fr (consulté le 22 janvier 2025)
  8. ↑ (en) « International Statistical Review », sur Wiley Online Library (consulté le 26 janvier 2025)
  9. ↑ (en) « Learn about Journal of the American Statistical Association », sur Taylor & Francis (consulté le 15 janvier 2025)
  10. ↑ (en) « Editorial_Board », sur Oxford Academic (consulté le 15 janvier 2025)
  11. ↑ (en) « Institute of Mathematical Statistics | Annals of Statistics » (consulté le 15 janvier 2025)
  12. ↑ « Les membres - Institut Universitaire de France », sur www.iufrance.fr (consulté le 15 janvier 2025)
  13. ↑ Gérard Biau, « Analysis of a Random Forests Model », Journal of Machine Learning Research, vol. 13, no 38,‎ 2012, p. 1063–1095 (ISSN 1533-7928, lire en ligne, consulté le 26 janvier 2025)
  14. ↑ (en) Gérard Biau et Erwan Scornet, « A random forest guided tour », TEST, vol. 25, no 2,‎ juin 2016, p. 197–227 (ISSN 1133-0686 et 1863-8260, DOI 10.1007/s11749-016-0481-7, lire en ligne, consulté le 15 janvier 2025)
  15. ↑ G. Biau, F. Bunea et M.H. Wegkamp, « Functional classification in Hilbert spaces », IEEE Transactions on Information Theory, vol. 51, no 6,‎ juin 2005, p. 2163–2172 (ISSN 1557-9654, DOI 10.1109/TIT.2005.847705, lire en ligne, consulté le 15 janvier 2025)
  16. ↑ GÉrard Biau, Luc Devroye et GÁbor Lugosi, « On the Performance of Clustering in Hilbert Spaces », IEEE Transactions on Information Theory, vol. 54, no 2,‎ février 2008, p. 781–790 (ISSN 1557-9654, DOI 10.1109/TIT.2007.913516, lire en ligne, consulté le 15 janvier 2025)
  17. ↑ (en) G. Biau, B. Cadre et L. Rouvière, « Accelerated gradient boosting », Machine Learning, vol. 108, no 6,‎ 1er juin 2019, p. 971–992 (ISSN 1573-0565, DOI 10.1007/s10994-019-05787-1, lire en ligne, consulté le 15 janvier 2025)
  18. ↑ Gérard Biau et Luc Devroye, « On the layered nearest neighbour estimate, the bagged nearest neighbour estimate and the random forest method in regression and classification », Journal of Multivariate Analysis, vol. 101, no 10,‎ 1er novembre 2010, p. 2499–2518 (ISSN 0047-259X, DOI 10.1016/j.jmva.2010.06.019, lire en ligne, consulté le 15 janvier 2025)
  19. ↑ Gérard Biau, Benoît Cadre, Maxime Sangnier et Ugo Tanielian, « Some theoretical properties of GANS », The Annals of Statistics, vol. 48, no 3,‎ juin 2020, p. 1539–1566 (ISSN 0090-5364 et 2168-8966, DOI 10.1214/19-AOS1858, lire en ligne, consulté le 26 janvier 2025)
  20. ↑ Gérard Biau, Maxime Sangnier et Ugo Tanielian, « Some Theoretical Insights into Wasserstein GANs », Journal of Machine Learning Research, vol. 22, no 119,‎ 2021, p. 1–45 (ISSN 1533-7928, lire en ligne, consulté le 15 janvier 2025)
  21. ↑ Adeline Fermanian, Pierre Marion, Jean-Philippe Vert et Gérard Biau, « Framing RNN as a kernel method: A neural ODE approach », Advances in Neural Information Processing Systems, Curran Associates, Inc., vol. 34,‎ 2021, p. 3121–3134 (lire en ligne, consulté le 15 janvier 2025)
  22. ↑ Nathan Doumèche, Gérard Biau et Claire Boyer, « On the convergence of PINNs », Bernoulli, vol. 31, no 3,‎ 1er août 2025 (ISSN 1350-7265, DOI 10.3150/24-bej1799, lire en ligne, consulté le 28 avril 2025)
  23. ↑ (en) Nathan Doumèche, Francis Bach, Gérard Biau et Claire Boyer, « Physics-informed machine learning as a kernel method », Proceedings of Thirty Seventh Conference on Learning Theory, PMLR,‎ 30 juin 2024, p. 1399–1450 (lire en ligne, consulté le 15 janvier 2025)
  24. ↑ « Mathématiques et statistique pour les sciences de la nature - Modéliser, comprendre et appliquer - Gérard Biau, Jérôme Droniou, Marc Herzlich (EAN13 : 9782759808984) | La boutique EDP Sciences : e-librairie, vente en ligne de livres et ebooks scientifiques », sur EDP Sciences (consulté le 15 janvier 2025)
  25. ↑ Gérard Biau et Luc Devroye, Lectures on the Nearest Neighbor Method, Springer International Publishing, coll. « Springer Series in the Data Sciences », 2015 (ISBN 978-3-319-25386-2 et 978-3-319-25388-6, DOI 10.1007/978-3-319-25388-6, lire en ligne)
  26. ↑ « Le Prix Marie-Jeanne Laurent-Duhamel », sur www.sfds.asso.fr (consulté le 15 janvier 2025)
  27. ↑ « Keynotes | European Meeting of Statisticians », sur ems2023.org (consulté le 26 janvier 2025)

Liens externes

modifier

📚 Artikel Terkait di Wikipedia

Kernel

noyau (Kernel trick), en apprentissage automatique, Kernelisation, une méthode d'algorithmique, Noyau (algèbre) en algèbre générale. Kernel ou Kernell est

Test d'homogénéité

A. Gretton, K. Borgwardt, M. Rasch, B. Schölkopf, A. J. Smola, « A kernel method for the two-sample-problem », Advances in neural information processing

Noyau Linux

edu/hypermail/linux/kernel/1907.0/05444.html https://lore.kernel.org/lkml/CAHk-=wiP4K8DRJWsCo=20hn_6054xBamGKF2kPgUzpB5aMaofA@mail.gmail.com/ https://lore.kernel

Régression de Tikhonov à noyau

Hennig, D. Sejdinovic, B. K. Sriperumbudur, « Gaussian Processes and Kernel Methods: A Review on Connections and Equivalences », arXiv:1807.02582 [cs, stat]

Relation quantitative structure à activité

Hall, 2001 (ISBN 0-582-38210-6) Schölkopf, B., K. Tsuda et J. P. Vert, Kernel Methods in Computational Biology, MIT Press, Cambridge, MA, 2004. Gusfield,

Domaine vital

Gaussian or normal distribution kernel density methods). Ce groupe de méthodes fait partie d'un groupe plus général de méthodes paramétriques du noyau. Récemment

Classification multi-classe

uniques. Ces méthodes sont également appelées méthodes de classification par arbres de décision multivalués et multi-labels. kernel methods for vector output (en)

Machine à vecteurs de support

Shawe-Taylor, Nello Cristianini, Support Vector Machines and other kernel-based learning methods, Cambridge University Press, 2000. (en) Christopher J.C. Burges