Eric Moulines

Éric Moulines est un chercheur français spécialiste de l’apprentissage statistique, des statistiques computationnelles, de la probabilité numérique et du traitement statistique du signal. Ses travaux se situent à l’interface des mathématiques appliquées, de la statistique, de l’intelligence artificielle et du traitement des données. Ils portent notamment sur l’inférence bayésienne, les méthodes de Monte Carlo, l’approximation et l’optimisation stochastiques, les modèles génératifs, l’apprentissage fédéré, les méthodes de diffusion et la quantification de l’incertitude prédictive.

Au cours de sa carrière, Éric Moulines a contribué au développement de méthodes théoriques et algorithmiques pour l’analyse de données complexes, souvent en grande dimension. Ses recherches ont d’abord été fortement liées au traitement statistique du signal, avec des applications à la parole, aux séries temporelles, aux modèles de Markov cachés et au filtrage non linéaire. Elles se sont ensuite élargies vers les statistiques computationnelles et l’apprentissage automatique moderne, en particulier les algorithmes capables de traiter de grands volumes de données et d’évaluer l’incertitude associée aux prédictions.

Il est l’auteur de nombreuses publications dans des revues et conférences internationales en traitement du signal, probabilités appliquées, statistiques computationnelles et apprentissage automatique. Éric Moulines est élu membre de l’Académie des sciences depuis décembre 2017. Il est professeur de machine learning et doyen de la division Computing and Mathematical Sciences à la Mohamed bin Zayed University of Artificial Intelligence, à Abu Dhabi. Il est également professeur à l’EPITA. Son parcours illustre l’évolution contemporaine des sciences des données, depuis le traitement du signal jusqu’aux fondements mathématiques de l’intelligence artificielle.