Teaching

I teach various topics of applied mathematics mainly for french engineers students (1 to 3 year) at Centrale Méditerranée et Centrale Nantes.

Academic year 2025-2026

Maths Tronc commun (CM/TD, 1A ECM, S5/S6)

Calcul différentiel, optimisation, intégration de Lebesgue, espaces de Hilbert, méthodes itératives, approximation polynômiale, formules de quadrature, intégration numérique des EDO, schémas aux différences finies pour les EDP, probabilités, statistiques

Train’ing (Semaine intégration scientifique, 1A ECM, S5/S6)

Introduction à l’approximation de faible rang de matrices: théorie, algorithmes et applications

Ce train’ing a pour de donner une introduction à l’approximation de faible rang des matrices. En effet, ce sujet trouve de nombreuses applications en mathématiques appliquées avec la compression d’image, le calcul d’une ACP en statistiques, la réduction de modèles… L’objectif de cette semaine sera double, nous présenterons des éléments théoriques sur l’algèbre matricelle (normes, décomposition en valeurs singulières, théorème d’Eckart-Young) puis nous verrons quelques algorithmes pratiques éventuellement probabilistes.

Electif (COURS/TD/TP, 2A ECM, S7)

Mathématiques numériques et simulation

Ce cours propose une introduction au calcul stochastique : mouvement brownien, intégrale de Wiener/Ito, lien avec l’équation de la chaleur. En particulier on présente les outils numériques pour simuler un mouvement brownien, et proposer une méthode probabiliste pour la résolution de l’équation de la chaleur.

Parcours MIE (CM/TD/TP, 2A ECM, S7)

Approches variationnelles, éléments finis

Distribution, formulation variationnelle d’EDP elliptiques, élements finis, Freefem++.

Option DDEFI (TP, 3A ECM, S7)

Apprentissage statistique (Introduction à l’approximation)

Approximation linéaire et non linéaire, moindres carrés discrets, approximation affine par morceaux, réseaux de neurones, résultat d’approximation, malédiction de la dimension, méthode de gradient (déterministe/stochastique).

MODST : OD Mathappli (CM/TD, Ei2/Ei3 ECN)

Modélisation stochastique

Ce cours propose une introduction aux méthodes numériques pour les EDS calcul stochastique : mouvement brownien, intégrale de Wiener/Ito, EDS, théorème de représentation de Feynman-Kac. En particulier on présente les outils numériques pour simuler un mouvement brownien, résoudre les EDS et proposer une approche probabiliste pour la résolution numérique des EDPs.

For students

Centrale Méditerranée

Centrale Nantes