Résumé

Dans cet exposé, Francis Bach présentera les travaux revisitant les grands classiques de l’estimation et du contrôle linéaires (filtre de Kalman, regulateur linéaire-quadratique) en montrant comment utiliser l’inférence variationnelle pour les étendre de manière robuste aux situations non-linéaires (travaux en collaboration avec Marc Lambert et Silvère Bonnabel).

Biographie

Francis Bach est chercheur chez Inria, et dirige depuis 2011 l’équipe d’apprentissage statistique (machine learning) du Département d’Informatique de l’Ecole Normale Supérieure (ENS), qui est commune entre le CNRS, l’ENS et Inria. Il est diplômé de l’Ecole Polytechnique (1997) et a obtenu sa thèse en Informatique de l’Université de Berkeley en 2005, sous la direction du Professeur Michael Jordan. Après deux ans au centre de Morphologie Mathématique de l’Ecole des Mines de Paris, il a rejoint l’équipe de vision artificielle CNRS/ENS/Inria de 2007 à 2010.
Francis Bach s’intéresse principalement aux aspects algorithmiques et théoriques du machine learning, et plus précisément aux méthodes parcimonieuses, aux méthodes à base de noyaux, aux réseaux de neurones, et à l’optimisation à grande échelle.
Il a obtenu une bourse “Starting Grant” en 2009, et une bourse “Consolidator Grant” en 2016 du European Research Council. Il a reçu le Prix Inria du jeune chercheur en 2012, le prix “test-of-time ICML” en 2014 et en 2019, le prix « test-of-time NeurIPS » en 2021, ainsi que le Prix Lagrange en optimisation continue en 2018, et le Prix Jean-Jacques Moreau en 2019. Il a été élu à l’Académie des Sciences en 2020.
En 2015, il a été co-président du comité de programme de l’International Conference in Machine learning (ICML), son président en 2018, et le président de son conseil d’administration de 2021 à 2023; il a été co-éditeur-en-chef du Journal of Machine Learning Research (JMLR) de 2018 à 2023.