Jules Depersin

A propos

Je suis Assistant Professor au département d'économie quantitative de l'université d'Amsterdam. J'ai obtenu un doctorat en Statistiques du Centre de recherche en économie et statistiques (CREST), Paris en décembre 2021, encadré par Guillaume Lecué.

Mes recherches sont à l'intersection de la géometrie en grande dimension, des statistiques robustes et des phénomènes de concentration de la mesure. Mon travail se concentre sur l'étude des complexités statistiques et informatiques de certaines tâches statistiques en grande dimension.

Publications

• Depersin Jules, Lecué Guillaume (2021). Optimal robust mean and location estimation via convex programs with respect to any pseudo-norms, Submitted.

• Depersin Jules, Lecué Guillaume (2021). On the robustness to adversarial corruption and to heavy-tailed data of the Stahel-Donoho median of means, Submitted.

• Depersin Jules (2020). A spectral algorithm for robust regression with subgaussian rates, Submitted.

• Depersin Jules (2020). Robust subgaussian estimation with VC-dimension, Submitted.

• Depersin Jules, Lecué Guillaume (2019). Robust subgaussian estimation of a mean vector in nearly linear time, Annals of Statistics.

• Depersin Jules, Barthelemy Marc (2018). From global scaling to the dynamics of individual cities, Proceedings of the National Academy of Sciences.

• Depersin Jules, Gaubert Stéphane, Joswig Michael (2017). A tropical isoperimetric inequality. Proceedings of the 29th Conference on Formal Power Series and Algebraic Combinatorics.

Conférences

• 08/2021: Talk sur Robustness of the Stahel-Donoho estimator aux Journées MAS.

• 02/2021: Talk sur Using VC-dimension in robust estimation à Conference on robustness and privacy.

• 02/2020: Talk sur Robust and Fast Estimation for Heavy-Tailed Distributions à Stat-ML-Eco Seminar at CREST.

• 12/2019: Talk sur Robust and fast estimation of a mean vector for heavy-tailed distributions à Eurandom Heavy Tails Workshop.

Enseignements

J'ai eu le plaisir d'être chargé de TD dans plusieurs cours :

2020-2021

• Théorie des processus (Martingales and Markov Chains) - ENSAE Paris avec Nicolas Chopin
• Machine Learning Avancé - ENSAE Paris avec Vianney Perchet
• Theoretical Foundations of Machine Learning - ENSAE Paris avec Vianney Perchet

2019-2020

• Théorie des processus (Martingales and Markov Chains) - ENSAE Paris avec Nicolas Chopin
• Machine learning avancé - ENSAE Paris avec Vianney Perchet

2018-2019

• Théorie des processus (Martingales and Markov Chains) - ENSAE Paris avec Pierre Alquier
• Théorie des probabilités - ENSAE Paris avec Sandie Souchet
• Analyse numérique - ENSAE Paris :
  • Télécharger le notebook
  • Télécharger le notebook

En 2019, 2020 and 2021, j'ai donné le cours de "Mathématiques pour économistes", un cours condensé pour les Masters spécialisés arrivant à l'ENSAE avec une formation en économie. Télécharger le polycopié ou aller sur la page du cours.

J'ai encadré quelques projets de statistique appliquée avec Nicolas Schreuder.

Parcours scolaire

• Doctorat en statistique, ENSAE et Université Paris Saclay, [2018-Present]
• Master en statistique et analyse de données, ENSAE, Paris [2017]
• Diplome d'ingénieur, Ecole Polytechnique [2016]

Coordination