Send via e-MailImprimer × Table des matières Aurélie Fischer Curriculum Vitae Fonctions occupées Mémoires Encadrement Recherche Thèmes Publications et prépublications Enseignement 2021/2022 Nom Fischer Prénom Aurélie Bureau 5004 Mail aurelie.fischer@univ-paris-diderot.fr Page web http://www.lpsm.paris/users/fischer/ Aurélie Fischer Maître de conférences Laboratoire de Probabilités, Statistique et Modélisation Université de Paris Adresse : UFR de Mathématiques Bâtiment Sophie Germain 75205 Paris Cedex 13 France Bureau : 504 Tél. : 01 57 27 91 10 aurelie.fischer -at- univ-paris-diderot.fr English version of this page. Curriculum Vitae Mon CV. Fonctions occupées Depuis sept. 2012 : Maître de conférences au LPSM à l'Université Paris Diderot, dans l'équipe de statistique. 2011/2012 : Attachée temporaire d'enseignement et de recherche au laboratoire MAP5 et au département STID de l'IUT Paris Descartes. 2008/2011 : Allocataire de recherche et monitrice au LSTA à l'Université Pierre et Marie Curie. Mémoires Thèse effectuée sous la direction de Gérard Biau, soutenue en juin 2011. Mémoire d'Habilitation à Diriger des Recherches, présenté en juin 2022. Encadrement Thèse de doctorat Maëlle Amand (2014-2019, co-encadrement avec Nicolas Ballier, Université Paris Diderot, et Karen Corrigan, Newcastle University). Sothea Has (2018-2022, avec Mathilde Mougeot). Mémoire de Master Marie Garin, 2017 (avec Mathilde Mougeot). Sothea Has, 2018 (avec Mathilde Mougeot). Clarisse Thiard, 2021. Adam Mourjane, 2021 (avec Mathilde Mougeot). Raphaël Carpintero-Perez, 2022 (avec Ilaria Giulini). Recherche Thèmes Apprentissage statistique supervisé et non supervisé : Quantification, clustering Divergences de Bregman Courbes principales Grande dimension Sélection de modèle Agrégation d'estimateurs Applications en biologie, énergie éolienne, linguistique Publications et prépublications Fischer, A. (2010). Quantization and clustering with Bregman divergences, Journal of Multivariate Analysis, Vol. 101, p. 2207-2221. Fischer, A. (2011). On the number of groups in clustering, Statistics and Probability Letters, Vol. 81, p. 1771–1781. Biau, G. & Fischer, A. (2012). Parameter selection for principal curves, IEEE Transactions on Information Theory, Vol. 58, p. 1924-1939. Auder, B. & Fischer, A. (2012). Projection-based curve clustering, Journal of Statistical Computation and Simulation, Vol. 82, p. 1145-1168. Fischer, A. (2013). Selecting the length of a principal curve within a Gaussian Model, Electronic Journal of Statistics, Vol. 7, p. 342-363. Alsheh Ali, M., Seguin., J, Fischer, A., Mignet, N., Wendling, L. and Hurtut, T. (2013). Comparison of the spatial organization in colorectal tumors using second-order statistics and functional ANOVA, ISPA 2013. Fischer, A. (2014). Deux méthodes d’apprentissage non supervisé : synthèse sur la méthode des centres mobiles et présentation des courbes principales, Journal de la Société Française de Statistique, Vol. 155(2), p. 2-35. Dedecker, J., Fischer, A. and Michel, B. (2015). Improved rates for Wasserstein deconvolution with ordinary smooth error in dimension one, Electronic Journal of Statistics, Vol. 9, p. 234-265. Fischer, A. (2015). On two extensions of the vector quantization scheme, Journal de la Société Française de Statistique, Vol. 156(1), p. 51-75. Biau, G., Fischer, A., Guedj, B. and Malley, J. (2016). COBRA: A combined regression strategy, Journal of Multivariate Analysis, Vol. 146, p. 18-28. Fischer, A., Montuelle, L., Mougeot, M. and Picard, D. (2017). Statistical learning for wind power : a modeling and stability study towards forecasting, Wind Energy, Vol. 20, p. 2037–2047. Alonzo B., Plougonven R., Mougeot M., Fischer, A. Dupre, A. and Drobinski, P. (2018). From Numerical Weather Prediction outputs to accurate local surface Wind speed : statistical modelling and forecasts, In Renewable Energy : Forecasting and Risk Management, Springer Proceedings in Mathematics & Statistics. Fischer, A. & Mougeot, M. (2019). Aggregation using input-output trade-off, Journal of Statistical Planning and Inference, Vol. 200, p. 1-19. Delattre, S. & Fischer, A. (2020). On principal curves with a length constraint, Annales de l'Institut Henri Poincaré, Vol. 56, p. 2108-2140. Fischer, A. & Picard, D. (2020). On change-point estimation under Sobolev sparsity, Electronic Journal of Statistics, Vol. 14, p. 1648-1689. Brécheteau, C., Fischer, A. & Levrard, C. (2020). Robust Bregman Clustering, The Annals of Statistics. Goutham, N., Alonzo, B., Dupré, A., Plougonven, R., Doctors, R., Liao, L., Mougeot, M., Fischer, A. and Drobinski, P. (2021). Using machine learning methods to improve surface wind from the outputs of a Numerical Weather Prediction model, Boundary-Layer Meteorology, Vol. 179, p. 133-161. Fischer, A., Has, S. and Mougeot, M. (2021). A clusterwise supervised learning procedure based on aggregation of distances, Journal of Statistical Computation and Simulation, Vol. 91, p. 2307-2327. Kluth, G., Ripoll, J.-F., Has, S., Fischer, A., Mougeot, M. and Camporeale, E. (2022). Machine Learning Methods Applied to the Global Modeling of Event-Driven Pitch Angle Diffusion Coefficients During High-Speed Streams, Frontiers in Physics, Space Physics. Delattre, S. & Fischer, A. (2022). Estimation via length-constrained generalized empirical principal curves under small noise. Enseignement 2021/2022 Premier Semestre Cours Introduction to Machine Learning (M2 MO + MIDS). Lien vers la page du cours d'Introduction au Machine Learning sur Moodle. Deuxième Semestre Cours d'Apprentissage Statistique (M2 ISIFAR). Lien vers la page du cours d'Apprentissage Statistique sur Moodle.