
Pierre Wolinski
Maître de conférences en informatique
8
Documents
Affiliations actuelles
- Université Paris Dauphine-PSL
- Laboratoire d'analyse et modélisation de systèmes pour l'aide à la décision (LAMSADE)
- Machine Intelligence and Learning Systems (MILES)
Identifiants chercheurs
-
pierre-wolinski
-
0000-0003-1007-0144
-
245386297
-
wolinski_p_1
- ResearcherID : AGY-6276-2022
Site web
Présentation
Je suis maître de conférences en informatique à l'université Paris Dauphine - PSL depuis septembre 2024. Je fais de la recherche sur la théorie des réseaux de neurones artificiels, notamment leur optimisation et leur régularisation, et j'enseigne dans différents domaines de l'intelligence artificielle, comme l'analyse de données, l'apprentissage automatique, et les réseaux de neurones. Auparavant, j'ai fait ma thèse sur l'élagage de réseaux de neurones et l'élimination d'hyperparamètres, puis des post-docs centrés sur l'initialisation des réseaux de neurones et l'optimisation d'ordre 2.
Page web : https://pierre-wolinski.fr/
GitHub : https://github.com/p-wol
Parcours :
- 2016-2020 : doctorat d'informatique (Université Paris-Saclay, Inria Saclay), sous la direction de Guillaume Charpiat et Yann Ollivier.
- 2020-2021 : post-doc (Université d'Oxford), supervisé par Judith Rousseau.
- 2021-2023 : post-doc (Inria Grenoble-Alpes, UGA), supervisé par Julyan Arbel.
- 2023-2024 : post-doc (Institut de Mathématiques d'Orsay, Univ. Paris-Saclay), supervisé par Gilles Blanchard et Christophe Giraud.
Domaines de recherche
Machine Learning [stat.ML]
Apprentissage [cs.LG]
Réseau de neurones [cs.NE]
Optimisation et contrôle [math.OC]
Compétences
Python
PyTorch
Publications
Publications
|
Gaussian Pre-Activations in Neural Networks: Myth or Reality?Transactions on Machine Learning Research Journal, 2025, pp.1-50
Article dans une revue
hal-03933169
v3
|
|
Gathering and Exploiting Higher-Order Information when Training Large Structured ModelsEuropean Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases, Sep 2025, Porto, Portugal. pp.436-452, ⟨10.1007/978-3-032-06078-5_25⟩
Communication dans un congrès
hal-05178426
v1
|
|
Rethinking Gauss-Newton for learning over-parameterized modelsNeurIPS 2023 - Thirty-seventh Conference on Neural Information Processing Systems, Dec 2023, La Nouvelle-Orléans, United States. pp.1-24
Communication dans un congrès
hal-04362139
v1
|
|
Imposing Gaussian Pre-Activations in a Neural NetworkJDS 2022 - 53es Journées de Statistique de la Société Française de Statistiques (SFdS), Jun 2022, Lyon, France
Communication dans un congrès
hal-03853790
v1
|
|
Learning with Random Learning RatesECML PKDD 2019 – European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases, Sep 2019, Würzburg, Germany. pp.449-464, ⟨10.1007/978-3-030-46147-8_27⟩
Communication dans un congrès
hal-01888352
v1
|
|
Adapting Newton's Method to Neural Networks through a Summary of Higher-Order Derivatives2024
Pré-publication, Document de travail
hal-04600082
v1
|
|
Efficient Neural Networks for Tiny Machine Learning: A Comprehensive Review2023
Pré-publication, Document de travail
hal-04296440
v1
|
|
Interpreting a Penalty as the Influence of a Bayesian Prior2020
Pré-publication, Document de travail
hal-02466702
v1
|
Chargement...
Chargement...