Télécom ParisTech

Actualité

Illustration de l'actualité : Soutenance de doctorat d'Adil Salim : Opérateurs monotones aléatoires et applications à l'optimisation stochastique

Soutenance de doctorat d'Adil Salim : Opérateurs monotones aléatoires et applications à l'optimisation stochastique

lundi
26
novembre
2018

PhD Comics : I'm defending my thesis, Mom !

Jury

  • M. Jérôme Bolte Université Toulouse 1 Capitole Rapporteur
  • M. Bruno Gaujal Laboratoire d'Informatique de Grenoble Rapporteur
  • M. Antonin Chambolle École Polytechnique Examinateur
  • M. Panayotis Mertikopoulos Laboratoire d'Informatique de Grenoble Examinateur
  • M. Walid Hachem Université Paris-Est Marne-la-Vallée Directeur de thèse
  • M. Pascal Bianchi Télécom ParisTech Co-directeur de thèse
  • M. Jérémie Jakubowicz Vente-privée Invité
  • M. Eric Moulines École Polytechnique Invité

Résumé

Cette thèse porte essentiellement sur l'étude d'algorithmes d'optimisation. Les problèmes de programmation intervenant en apprentissage automatique ou en traitement du signal sont dans beaucoup de cas composites, c'est-à-dire qu'ils sont contraints ou régularisés par des termes non lisses. Les méthodes proximales sont une classe d'algorithmes très efficaces pour résoudre de tels problèmes. Cependant, dans les applications modernes de sciences des données, les fonctions à minimiser se représentent souvent comme une espérance mathématique, difficile ou impossible à évaluer. C'est le cas dans les problèmes d'apprentissage en ligne, dans les problèmes mettant en jeu un grand nombre de données ou dans les problèmes de calcul distribué.