MASCOT NUM 2026
The MASCOT NUM 2026 meeting will be held at Rennes from April 1st to April 3rd, 2026. The meeting will focus on statistics and uncertainty quantification for environmental and health applications.
Conditions
Registration mandatory
The first day of the annual Mascot-Num conference is devoted to PhD students presentations on topics related to the RT-UQ activities, i.e. sensitivity analysis, uncertainty quantification in simulation, design and modelling of computer experiments, model calibration and validation, structural reliability, optimization under uncertainty, data-driven modelling methods, etc.
Invited speakers :
- Rémi Bardenet (CNRS, Université de Lille): Tutorial - What is the Gaussian process of point processes?
- Margaux Brégère (EDF Lab Paris Saclay, Sorbonne Université): Explainability of electricity demand forecasting models: a Shapley value approach for positive component decomposition
- Lucas Drumetz (IMT Atlantique): Spatialized Bayesian inference and uncertainty quantification on constrained co-domains with Gaussian Processes: application to the simplex
- Pierre Gloaguen (Université Bretagne Sud): Bayesian Modelling of Abundance Data in Ecology Using Joint Species Distribution Models
- Javier González-Delgado (ENSAI): Inference after human genetic clustering
- Sylvain Le Corff (Sorbonne Université)
- Apolline Louvet (INRAE Avignon)
- Natalie Maus (MIT)
- Pierre Tandeo (IMT Atlantique): Quantifying uncertainty in climate reanalyses
MASCOT NUM 2026
MASCOT NUM 2026 se tiendra à Rennes, du 1er au 3 avril 2026. Cette conférence sera consacrée aux statistiques et à la quantification des incertitudes dans le domaine de l'environnement et de la santé.
Conditions
Registration mandatory
La première journée de la conférence annuelle Mascot-Num est consacrée aux présentations des doctorant·es sur des thèmes liés aux activités du RT-UQ, à savoir l'analyse de sensibilité, la quantification de l'incertitude en simulation, la conception et la modélisation d'expériences informatiques, l'étalonnage et la validation de modèles, la fiabilité structurelle, l'optimisation en présence d'incertitude, les méthodes de modélisation basées sur les données, etc.
Conférencier·es invité·es :
- Rémi Bardenet (CNRS, Université de Lille): Tutorial - What is the Gaussian process of point processes?
- Margaux Brégère (EDF Lab Paris Saclay, Sorbonne Université): Explainability of electricity demand forecasting models: a Shapley value approach for positive component decomposition
- Lucas Drumetz (IMT Atlantique): Spatialized Bayesian inference and uncertainty quantification on constrained co-domains with Gaussian Processes: application to the simplex
- Pierre Gloaguen (Université Bretagne Sud): Bayesian Modelling of Abundance Data in Ecology Using Joint Species Distribution Models
- Javier González-Delgado (ENSAI): Inference after human genetic clustering
- Sylvain Le Corff (Sorbonne Université)
- Apolline Louvet (INRAE Avignon)
- Natalie Maus (MIT)
- Pierre Tandeo (IMT Atlantique): Quantifying uncertainty in climate reanalyses
