Supervised students 

Postdoctoral fellows

• Claudie Ratté-Fortin (2020-). Machine learning for extreme values.
• Luc Villandré (2018-2020). Spatio-temporal models for distributed data. Cosupervised with Thierry Duchesne and Patrick Brown
• Chien-Lin Su (2018-). Predictive models in medicine and in forestry. Cosupervised with Robert Platt.

Ph.D. in Data Science

• Véronique Tremblay (en cours).
• Mamadou Yamar Thioub (en cours). Cosupervised with Bruno Rémillard and Bouchra Nasri.

M.Sc. in Business Intelligence, Business Analytics or Data Science (* indicates a thesis-based master)

• Cristina Rizzuto (current). Pôle sport. Analytique du sports: illustrations d'analyses sur des données réelles de soccer.
• Nicolas Giguère (current). Pôle sport. Analytique du sports: revue des types de données utilisées dans différents sports.
• Halyna Lunhu (current). Videns Analytics. Développement d'outils analytiques pour la stratégie marketing afin d’améliorer son efficacité.
• Samuel Sombo (current). Videns Analytics. Développements analytiques pour le marketing numérique et le recrutement de donateurs d’organismes à but non lucratif
• *Marc-André Poliquin (current). Predictive analysis of the success of crowdfunding initiatives.
• *Akankhya Mohapatra (current). Wavelet-based approximation of the CDF from distributed data.
• *Mélissa Thériault (current). Evaluating the Effectiveness of a Gamified Approach to Data Science Learning Versus Conventional Teaching Methods. Co-supervised with Pierre-Majorique Léger.
• Alexandre Boies (current). Sidel. Prédiction d’un indicateur de performance de ligne de production.
• Lyes Ould-Ramoul (current). FPInnovations. Développement d'un tableau de bord interactif pour le suivi de la performance d'un tourne-bille.
• Lyza Kartout (current). FPInnovations. Évaluation de la perte monétaire liée aux erreurs de rotations d'un tourne-bille.
• Vincent Espanol (2019). FPInnovations. Prédiction de l’erreur de rotation d’un tourne-bille.
• Sophia Zhang (2019). FPInnovations. The Impact of Measurement Error on the Prediction of Rotation Error in a Sawmill : an Exploratory Analysis.
• Ludovic Saint-Denis (2019). Caisse de dépôt et placement du Québec, Déploiement d'un CRM.
• Arii Sichoix (2019). Intervalle de Prédiction avec des Forets Aléatoires utilisant des données financières.
• *Maxime Larocque (2018). Étude des propriétés statistiques des critères de sélection de variables pour les algorithmes génétiques.Available as a Cahier du GERAD.
• Alexandre Lagarde (2018). Aldo. Analyse des performance des magasin ALDO au Canada.
• Ahn-Tuân-Olivier Légaré (2018). Statistique Canada.Évaluer la qualité de plusieurs sources d'informations afin de pouvoir créer une base de données sur les propriétés résidentielles au Canada.
• Sébastien Montplaisir-Bazan (2018). Aimia. Prochaine réservation de vol (Prédiction de la date de réservation utilisant les dates de voyage ainsi que d’autres données d’Aeroplan)Cosupervised with Denis Larocque.
• Andrew Bourgault Feeney (2018). Aimia. Booking window.Cosupervised with Denis Larocque.
• Awa Traore (2018). Statistique Canada. Stratégies marketing pour augmenter l’usage du questionnaire électronique au recensement de 2021
• Johan Saba (2018). Caisse de dépôt et placement du Québec. AI opportunities at CDPQ.
• Salma Iraqui (2018). Caisse de dépôt et placement du Québec, Classification (Clustering) des titres financiers dans le portefeuille analytique de la CDPQ.
• Marc Laurent-Atthalin (2018). Reitmans Canada. Modéliser l'attribution multicanale des ventes en e-commerce.
• Hadrien Lautraite (2017). Banque Nationale, MITACS scholarship. Analytique prédictive de l'état de santé des actifs technologiques. Cosupervised with Denis Larocque.
• Patrice O’Carroll (2017). Mnubo. Implémentation d'une approche axée sur les données pour prévoir la défaillance d’équipements industriels connectés.
• André-Aimé Badji (2017). Statistique Canada. Analyse préparatoire à l’exploitation des mégadonnées à la division des données administratives de Statistique Canada. Co-supervision avec Gregory Vial.
• *Edem Osseyi (2017). Analyse de la fluctuation du prix de l'essence ordinaire au Québec. Cosupervised with Pierre-Olivier Pineau.
• Olivier Daneau (2016). Intégration de l'outil statistique R à la solution analytique de la Caisse de Dépòt et Placement du Québec.
• Ghislene Zerguini (2015). Mise en place d’un système de maintenance prédictive dans le cas d’un système d’aération institutionnel. Cosupervised with Denis Larocque.
• *Jean-Baptiste Débordès (2015). Combining ROC curves using MAMSE weights. Nominated for best M.Sc. thesis in 2015 at HEC Montréal. Available as a Cahier du GERAD.
• Bi-Tiesse Théophile Irie (2014). Développement d'un modèle stochastique tenant compte de la corrélation spatiale pour le rayonnement solaire au Canada.
• Alexandre Jourdain (2012). Text mining. Cosupervised with Gilles Caporossi.
• Dominic DuBois (2012). Projet supervisé chez GMCR Canada.
• Romain Rigal (2012). Modélisation de la prescription de deux médicaments de médecine spécialisée au Canada. MITACS Scolarship.
• *Miguel Ibanez Salinas (2012). Exploratory Analysis of the Patterns of Missing Data in the UIS Education Database, 2012 IAOS Prize for Young Statisticians (first place), publié dans le Statistical Journal of the IAOS.
• *Lysiane Charest (2012). Approximation de statistiques de rang pour les grandes bases de données à l'aide de BIRCH. Nominated for best M.Sc. thesis in 2012 at HEC Montréal. Published in the Journal of Statistical Computation and Simulation.

Undergraduate students (**: with an NSERC USRA, ***: with an IVADO scholarship)

• **Thomas Ruel (2020). Evaluating the Effectiveness of a Gamified Approach to Data Science Learning Versus Conventional Teaching Methods
• **Marc-Antoine Provost (2018), Développement d'une simulation pour la performance d'un tourne-bille.
• **Melissa Turp-Yonezawa (2017), Approximation de la distribution empirique sur des données distribuées en utilisant les quantiles.
• **Alexandra Trofin (2017), Approximation de la distribution empirique sur des données distribuées par le « binning ».
• ***Raphaël Lima-Barbosa (2017), Approximation de la distribution empirique sur des données distribuées par les modèles de mélanges.
• **Alexandre Caron-Boisvert (2014). Traitement des variables nominales pour la sélection de modèle en régression.
• Guillaume Painchaud (2013). Développement d’un test du rapport de pseudo-vraisemblance pour l’égalité des structures de dépendance entre plusieurs échantillons.
• **Alexandre Bernard (2013). Utilisation du « binning » pour approximer les statistiques de rang dans les bases de données massives.
• **Bi-Tiesse Théophile Irie (2012). Développement d'un modèle stochastique tenant compte de la corrélation spatiale pour le rayonnement solaire au Canada.