Teaching
Interacting with students is one of the most important components of any academic career. During my teaching experience in diverse universities, I have taught mathematics, statistics and machine learning at all levels, both to students within the field and to students from other disciplines.
University of Technology of Compiègne
-
2021–
AI28 - Machine Learning
Machine learning (apprentissage automatique ou apprentissage machine) est une branche de l’intelligence artificielle (IA), qui est elle-même une branche de la science de données. Ce cours est conçu pour faire une présentation des méthodologies et algorithmes de machine learning, dans leurs concepts comme dans leurs cas typiques d’applications. La mise en œuvre de ces concepts se fait en langage de programmation Python.
Partie 1: Introduction générale au machine learning et prise en main de Python
Partie 2 : Formalisme mathématique d’un problème de machine learning
Partie 3 : Apprentissage supervisé
Partie 4 : Apprentissage non-supervisé
-
2025
Applied Machine Learning for Process Engineering
Machine learning appliqué pour le génie des procédés.
1. Introduction générale au machine learning
2. Librairie Python : Pandas, Scipy, Matplotlib, Pyplot, Seaborn
3. Régression linéaire multiple, Régression pénalisée, SVM, Arbres de décision, Forêts aléatoires
4. Réduction de la dimension, Analyse en composantes principales (ACP), Clustering
5. Applications sur des données chimiques réelles
-
2020–
MT23 - Linear Algebra and Applications
Bases d’algèbre linéaire; diagonalisation, trigonalisation et applications pour des systèmes d’équations différentielles.
-
2022–
MT02 - Real Analysis
Premier volet du module initial de mathématiques de Tronc Commun. Il permet d'acquérir les bases indispensables à l'étude des fonctions d'une variable.
-
2022–2023
MT11 - Real Analysis and Algebra
Synthèse des mathématiques du premier cycle: fonctions d’une ou plusieurs variables, courbes et surfaces, intégrales simples et multiples, équations différentielles, bases de l’algèbre linéaire. L’enseignement se présente sous forme d’un cours-TD fondé sur un document intégrant cours et exercices.
-
2022–2023
MT22 - Multivariate Calculus
Continuité, différentiabilité des fonctions de plusieurs variables réelles. Analyse vectorielle. Courbes et surfaces de \(\mathbb{R}^3\). Intégrales multiples ; curvilignes, surfaciques. Théorèmes intégraux.
-
2021–2022
SY01 - Probability
Notion d’aléatoire et introduction au calcul des probabilités.
University of UTSEUS, China
-
2024–
Linear Algebra and Applications
Chap 3 - Déterminants PDF
Bases d’algèbre linéaire; diagonalisation, trigonalisation et applications pour des systèmes d’équations différentielles.
University of Paris Nanterre
-
2016–2017
Statistics
Real Analysis and C2I Certificate
University of Pierre Marie Curie
-
2015–2016
Mathematical Statistics
Time Series
-
2012–2014
Linear Models II
Probability and Statistics
Algebra and Geometry