>
best-products.reviews/lets-make-it-hotter-top-14-toasters-for-the-best-morning/

details best-cooler.reviews

www.best-cooler.reviews

Biographie

Stéphane Mallat est né le 24 octobre 1962 à Suresnes. Il a été élève à l’École polytechnique de 1981 à 1984 puis à l’École nationale supérieure des télécommunications en 1985. Il a obtenu un Ph.D. en traitement du signal à l’Université de Pennsylvanie de 1986 à 1988 et a soutenu sa thèse d’habilitation en mathématiques à l’université de Paris Dauphine en 1992.
De 1988 à 1996, il était professeur d’informatique et de mathématiques à l’Institut courant de l’Université de New York. Il est revenu en France comme professeur en mathématiques appliquées à l’École polytechnique de 1995 à 2012 où il a présidé ce même département de 1998 à 2001. En 2001, il a cofondé une start-up, Let It Wave, qu’il a dirigé jusqu’en 2007. Il est devenu professeur d’informatique à l’École normale supérieure de la rue d’Ulm de 2012 à 2017 et a été nommé Professeur au Collège de France en 2017, titulaire de la chaire de Sciences des données.

Recherches et activités scientifiques

Les travaux de Stéphane Mallat portent sur les mathématiques appliquées au traitement du signal et à l'apprentissage statistique. De 1988 à 1992, il a étudié les bases orthogonales d’ondelettes en introduisant la théorie des multirésolutions et l’algorithme de calcul rapide des coefficients d’ondelettes. Cela a notamment débouché sur le standard de compression d’image JPEG-2000 ainsi que sur des applications en traitement du signal. À partir de 1993, il a développé avec ses étudiants le calcul de représentations parcimonieuses dans des dictionnaires redondants avec les algorithmes de matching pursuit. La parcimonie de ces représentations est utilisée en apprentissage et en compressed sensing pour restituer des signaux à partir d’un nombre restreint de mesures. Les dictionnaires de bandelettes ont permis d’améliorer la représentation d’images en s’adaptant à leur régularité géométrique. La valorisation de ces résultats a été l’occasion pour lui de faire un détour pendant quelques années dans le monde de l’entrepreneuriat. Il a dirigé une start-up qui a implanté les dictionnaires de bandelettes dans des puces électroniques pour augmenter la résolution des images de télévision haute-définition.
Depuis 2008, Stéphane Mallat étudie les propriétés mathématiques des algorithmes d’apprentissage et des réseaux de neurones profonds pour des données incluant un grand nombre de variables. L’enjeu est de comprendre les principes généraux qui gouvernent la régularité de phénomènes complexes en grande dimension en lien avec les algorithmes d’apprentissage. Cela concerne aussi bien la reconnaissance d’images ou de sons que la prédiction de propriétés physiques ou l’analyse de textes. Pour plus d’informations, on pourra consulter le  de l’équipe de recherche.

Prix et distinctions

  • Prix IEEE du meilleur article en traitement du signal, 1990,
  • Alfred Sloan Fellow en Mathématiques, 1993,
  • Prix Blaise Pascal en mathématiques appliquées, Académie des sciences, 1997,
  • Outstanding Achievement Award, SPIE Society, 1997,
  • Conférencier plénier, Congrès international des mathématiciens, 1998,
  • Prix INIST-CNRS du chercheur français le plus cité en informatique et sciences de l’ingénieur, 2004,
  • Grand Prix Information Technology, Académies européennes des technologies, 2004,
  • IEEE Fellow, 2005,
  • Chevalier de la Légion d’honneur, 2007,
  • Grand Prix EADS en sciences de l’information, Académie des sciences 2007,
  • Chaire Aisenstadt, CRM, Canada, 2009,
  • EUSIPCO Fellow, 2010,
  • Chaire Schlumberger, IHES, 2011,
  • ERC Advanced Investigator Award, 2012,
  • Médaille de l’Innovation du CNRS, 2013,
  • Membre de l’Académie des sciences, 2014,
  • Sustained Impact Award sur 20 ans, de l’IEEE, 2014,
  • Membre de la National Academy of Engineering américaine, 2017.