HEP VAUD
Début navigation chapitre
Fin navigation chapitre
Début contenu

Jean-Philippe Pellet

Dernière mise à jour le 2 février 2015

Professeur formateur et développeur d’applications pédagogiques et de supports technologiques dans l’enseignement

J’ai rejoint la HEP du canton de Vaud en 2013, après avoir passé 3 ans à développer des applications pédagogiques pour l’école et pour la maison, sur ordinateurs, smartphones et tablettes.

À la HEP, je développe des applications ou plateformes destinées à l’enseignement ou la formation selon les besoins que nous identifions dans notre UER.

Auparavant, j’ai travaillé chez IBM Research, où j’ai fait mon doctorat dans le domaine du machine learning et des réseaux bayésiens causaux. Pour en savoir plus: (http://jp.pellet.name/publications.html).

Depuis 2011, j’enseigne à l’EPFL, où je donne un cours d’introduction à la programmation.

Coordonnées

Email: jean-philippe.pellet(at)hepl.ch
Téléphone: 021 316 33 92
Bureau: B21-434
Adresse postale: HEP Vaud - Avenue des Bains 21 - B21-434 - 1014 Lausanne

Fonctions et mandats

Internes:

  • professeur formateur à l'UER Médias et TIC

Externes:

  • Membre de la SSIE, Société suisse pour l’informatique dans l’enseignement
  • chargé de cours de programmation à l’EPFL

Publications

Pellet, J.-P., & Chevalier, M. (2014): “Automatic Extraction of Formal Features from Word, Excel, and PowerPoint Productions in a Diagnostic-Assessment Perspective” in Proceedings of the International Conference on Education Technologies and Computers.

Wörner, S., Schimpel, U., Nonner, T., Hong, S., Bussani, A., Pellet, J.-P., Vajjala, S., Parente, M., Kawas, B. (2013): Time-dependent reorder points in supply chain networks (US patent application).

Zimmermann, J., Brodersen, K. H., Pellet, J.-P., August, E., Buhmann, J. M. (2011): “Predicting graduate-level performance from undergraduate achievements”, Proceedings of the 4th International Conference on Educational Data Mining.

Pellet, J.-P. (2010): Effective Causal Analysis: Methods for Structure Learning and Explanations, Ph.D. Thesis, ETHZ & IBM Research. 

Guyon, I., Aliferis, C., Cooper, G., Elisseeff, A., Pellet, J.-P., Spirtes, P., & Statnikov, A. (2010): “Development Projects for the Causality Workbench”, in Proceedings of the AAAI Symposium on Artificial Intelligence for Development.

Guyon, I., Aliferis, C., Cooper, G., Elisseeff, A., Pellet, J.-P., Spirtes, P., & Statnikov, A. (2010): “The Causality Workbench”, book chapter in P. M. Illari, F. Russo, and J. Williamson (eds), Causality in the Sciences.

Elisseeff, A., Pellet, J.-P., & Pratsini, E. (2010): “Causal Networks for Risk and Compliance: Methodology & Application”, in  IBM Journal of Research and Development , Vol. 54 (3).

Guyon, I., Aliferis, C., Cooper, G., Elisseeff, A., Pellet, J.-P., Spirtes, P., & Statnikov, A. (2009): Design and Analysis of the Causality Pot-Luck Challenge, Technical report 4566, Clopinet (Berkeley, California, USA).

Guyon, I., Aliferis, C., Cooper, G., Elisseeff, A., Pellet, J.-P., Spirtes, P., & Statnikov, A. (2008): “Design and Analysis of the Causation and Prediction Challenge”, in JMLR Workshop and Conference Proceedings, Vol. 3: WCCI 2008 Causality Challenge.

Pellet, J.-P., & Elisseeff, A. (2008): “Finding Latent Causes in Causal Networks: an Efficient Approach Based on Markov Blankets”, in Proceedings of the 22nd Annual Conference on Neural Information Processing Systems.

Pellet, J.-P., & Elisseeff, A. (2008): “Using Markov Blankets for Causal Structure Learning”, in Journal of Machine Learning Research, Vol. 9, pp. 1295–1342.

Nielsen, U. H., & Pellet, J.-P. (2008): “Explanation Trees for Causal Bayesian Networks”, in D. McAllester and P. Myllymäki (eds), Proceedings of the 24th Conference in Uncertainty in Artificial Intelligence, pp. 427–434.

Pellet, J.-P., & Elisseeff, A. (2007): “A Partial Correlation-Based Algorithm for Causal Structure Discovery with Continuous Variables”, in M. R. Berthold, J. Shawe-Taylor and N. Lavrač (eds), Advances in Intelligent Data Analysis VII, 7th International Symposium on Intelligent Data Analysis, pp. 229–239.

Pellet, J.-P., & Elisseeff, A. (2007): Partial Correlation- and Regression-Based Approaches to Causal Structure Learning, Technical report, IBM Research.

Pellet, J.-P. (2006): From Data to Causal Structure: Representation & Search, Master’s Thesis, EPFL & IBM Research.

Fin contenu
Début chemin de navigation
Fin chemin de navigation
Début pied de page
Fin pied de page