Nos intervenants / L
Thomas Le Gallic
Thomas Le Gallic est chercheur au CIRED et docteur MINES ParisTech-PSL. Spécialiste de la prospective sur les enjeux énergétiques et climatiques, il développe des méthodes principalement en modélisation prospective, en analyse de l'interface entre les scénarios et leurs usagers et en sciences des données. Ses thèmes de prédilection sont les stratégies d'atténuation basées sur la réduction de la consommation d'énergie, les obstacles à l'action climatique à court terme et les risques sociaux liés à la transition.Thomas Le Gallic anime les formations :
Julien Lefèvre
Julien Lefèvre est ingénieur en chef des Ponts, des Eaux et Forêts, chercheur au CIRED et enseignant à AgroParisTech. Il est diplômé de l’école Polytechnique et d’un doctorat en sciences économiques. Ses travaux de recherche et d’expertise portent sur les scénarios futurs de transition énergétique et d’atténuation du changement climatique aux échelles nationales et mondiales et leurs implications socio-économiques à travers la modélisation intégrée énergie-économie-environnement. Il est également responsable du parcours de formation de Master Modélisation Prospective de la mention Economie de l’Environnement, de l’Energie et des Transports (EEET) de l’Université Paris-Saclay.Julien Lefèvre anime les formations :
Vincent Lefieux
Vincent Lefieux est diplômé de l’ENSAI et titulaire d’un doctorat en Statistique (Université Rennes 2). Après avoir occupé des postes d’ingénieur chercheur à EDF R&D puis RTE R&D, il est actuellement responsable de la feuille de route IA à RTE. En parallèle il a donné de nombreux cours dans des écoles d’ingénieurs (ENSAI, ENPC, ENSTA) et a été maître de conférence associé (PAST) à l’UPMC de 2010 à 2015.Vincent Lefieux anime les formations :
- Analyse exploratoire des données avec SAS
- Analyse exploratoire des données avec R
- Analyse exploratoire des données avec Python
- Régression linéaire et analyse de la variance avec SAS
- Régression linéaire et analyse de la variance avec Python
- Classification supervisée : analyse discriminante et régression logistique avec SAS
- Classification supervisée : analyse discriminante, régression logistique et arbres avec Python
- Statistique inférentielle : estimation ponctuelle, intervalle de confiance et test statistique
- Statistiques descriptives avec SAS
- Statistiques descriptives avec R
- Statistiques descriptives avec Python
- Les fondamentaux du Machine learning avec Python
- Machine learning : bagging, gradient boosting, SVM avec R
- Les fondamentaux du Deep learning avec Python
- Modèles de fondation pour les séries temporelles (TSFM)
Pascale Lengagne
Docteure en Économie de l'Université Paris Dauphine, Pascale Lengagne est actuellement Maîtresse de Recherche à l’Institut de Recherche et Documentation en Économie de la Santé. Elle réalise des travaux de recherche sur les politiques publiques dans les domaines de la santé et de l’emploi, en particulier sur les systèmes d’indemnisation et de financement de l’invalidité et des arrêts maladie. Ses travaux s’appuient principalement sur l’économétrie des données de panel et les méthodes d’évaluation des politiques publiques et mobilisent des données employeur-salarié issues de sources administratives et d’enquêtes.Pascale Lengagne anime les formations :
Robin Lespes
Robin Lespes est ingénieur diplômé de l’Ecole Centrale Lille en mathématiques appliqués et détient plusieurs certifications en Data Sciences notamment celles de Stanford et du MiT. RLE a plus de 10 ans d’expérience dans les secteurs du Web et de l’Industrie. Il est intervenu sur des projets innovants auprès d’entreprises telles que Veepee, Voyages-sncf.com, PSA, GRT Gaz, ou encore BNP-Paribas. Il a aussi participé à la création et au développement du site internet collaboratif dribblr.fr. Ses compétences couvrent les problématiques d’analyse, modélisation, développement et industrialisation en Data Sciences et Data Ingénierie. Passionné par les potentialités de l’apprentissage automatique, il met en pratique ses connaissances en algorithmique et en apprentissage statistique en mission et lors des formations qu’il dispense au CEPE (Formation continue ENSAE/ENSAI)Robin Lespes anime les formations :
- Python initiation
- Python intermédiaire
- Python expert — Machine learning engineer
- Python expert — Traitement du langage naturel
- Python expert — Développement d’interfaces graphiques et dataviz avancée
- Les fondamentaux du Deep learning avec Python
David Levy
Diplômé de l'Ensae, il administrateur de l'Insee. Il est responsable du pôle national de service pour l'action régional, spécialisé dans l'analyse territoriale. Il a été chef de projet statistique pour les enquêtes locales puis responsable du pôle national de service pour l'action régional. Il anime des formations autour de l'analyse des données, des sondages et des logiciels R et SAS.David Levy anime les formations :
Frédéric Logé-Munerel
Frédéric Logé est diplômé de l’ENSAI et titulaire d’un doctorat en Mathématiques Appliquées de l'Ecole Polytechnique (thème: Apprentissage par Renforcement). Actuellement en poste chez SONIO, il développe depuis plusieurs années des algorithmes de Computer Vision pour l'analyse d'échographies fœtales, contribue aux soumissions réglementaires des produits médicaux (marquage FDA & CE), s'assure de l'alignement entre produit et data. En parallèle il donne des cours et TP en formation initiale (ENSAI) et continue (X-EXED, CEPE).Frédéric Logé-Munerel anime les formations :
