Pablo Piantanida

Je suis Professeur à CentraleSupélec (Université Paris-Saclay) avec le Centre National de la Recherche Scientifique (CNRS), et Directeur du Laboratoire International sur les Systèmes d’Apprentissage (ILLS), qui réunit l’Université McGill, l’École de technologie supérieure (ÉTS), Mila – Institut québécois d’intelligence artificielle, le Centre National de la Recherche Scientifique (CNRS) en France, l’Université Paris-Saclay et l’École CentraleSupélec.

Ma recherche porte sur l’application de techniques statistiques avancées et de concepts d’information dans le domaine de l’apprentissage automatique. Je m’intéresse au développement de techniques rigoureuses basées sur des mesures d’information et des concepts pour la création de systèmes d’IA sûrs et fiables, ainsi que pour établir la confiance dans leur comportement et leur robustesse, garantissant ainsi leur utilisation dans la société. Mes domaines d’expertise principaux incluent la théorie de l’information, la géométrie de l’information, la théorie de l’apprentissage, la confidentialité et l’équité, avec des applications en vision par ordinateur et en traitement du langage naturel.

J’ai fait mes études de premier cycle à l’Université de Buenos Aires et j’ai poursuivi des études supérieures en mathématiques appliquées à l’Université Paris-Saclay en France. Tout au long de ma carrière, j’ai également occupé des postes de chercheur invité à l’INRIA, à l’Université de Montréal et à l’École de Technologie Supérieure (ÉTS), entre autres.

Mes recherches antérieures ont couvert des domaines tels que la théorie de l’information, au-delà de la compression distribuée, la décision statistique, le codage source universel, la coopération, la rétroaction, le codage d’index, la génération de clés, la sécurité et la confidentialité, entre autres.

J’enseigne des cours sur l’apprentissage automatique, la théorie de l’information et l’apprentissage profond, couvrant des sujets tels que la théorie de l’apprentissage statistique, les mesures d’information et les principes statistiques des réseaux neuronaux.