Jean-François Rajotte, Ph. D.

Chercheur, science des données

Jean-François Rajotte
Équipe : Technologies émergentes et Science des données

T 514 840-1235, poste 1422
@ jean-francois.rajotte@crim.ca

Doctorat en physique des particules, Ludwig-Maximilians University, Munich, 2010.

Chercheur en science des données, Jean-François Rajotte s'est joint au CRIM en 2016 au sein de l'équipe Technologies émergentes et science des données. Il est spécialiste dans l'analyse de données massives et le "data mining" et ses projets se situent souvent dans le contexte de la ville intelligente.

Avant de se joindre à l'équipe du CRIM, Jean-Francois a fait deux postdoctorats pour ensuite travailler comme scientifique de données dans l'industrie. Son expérience d'analyse couvre plusieurs outils statistiques et d'apprentissage machine, en particulier avec Python et, pour le calcul distribué, Apache Spark. Il est le co-fondateur des rencontres Apache Spark Montréal et maintenant co-organisateur des rencontres Big Data de Montréal.

Une sélection de ses champs d'intérêts sont : l'analyse statistique (fréquentiste et bayésienne), l'apprentissage automatique et les réseaux de neurones appliqué, les séries temporelles, le calcul distribué et la visualisation de données.

Portrait d'expert du CRIM : Découvrez Jean-François Rajotte (6:48)

Retour à la liste

Nouvelles récentes

  • Meilleurs vœux des fêtes!
    14/12/2018

    Joyeuses fêtes de toute l'équipe du CRIM!

    +

Événement à venir

  • HASE 2019
    3/01/19 2019h00
    Hangzhou, China
    Le CRIM présentera deux articles à la 19e édition du IEEE International Symposium on High Assurance Systems Engineering, qui se déroulera du 3 au 5 janvier 2019 à Hangzhou, Chine
    +
  • CANARIE RT @CANARIE_Inc: VESTA recueille les données des systèmes d'apprentissage en ligne quand les élèves lisent l'écran, sont distraits ou pense…
  • #startech_capsules | Entrevue @technopolys_qc avec @casaconnected, qui s'est donné la mission de révolutionner la f… https://t.co/QsF70CDKIg

Publications récentes

  • Towards Automatic Feature Extraction for Activity Recognition from Wearable Sensors: A Deep Learning Approach

    +
  • Checking Sequence Generation for Symbolic Input/Output FSMs by Constraint Solving

    +