Anne-Florence Bitbol

EPFL SV IBI-SV UPBITBOL
AAB 1 44 (Bâtiment AAB)
Station 15
1015 Lausanne

Web site:   Site web:   https://sv.epfl.ch/education

vCard
Données administratives


Parcours professionnel

Tenure-Track Assistant Professor

Institute of Bioengineering, School of Life Sciences

EPFL, Switzerland

Since 2020

CNRS Researcher (tenured)

Laboratoire Jean Perrin

Sorbonne Université, France

2016-2020

Postdoctoral Research Fellow

Biophysics Theory Group (PIs: Ned Wingreen, William Bialek, Curtis Callan)

Princeton University, USA

2012-2016


Formation

PhD in Physics

Statistics and dynamics of complex biological membranes, advised by Jean-Baptiste Fournier, summa cum laude

Université Paris-Cité (Paris-Diderot), France

2012

MSc in Physics

Fundamental physics, summa cum laude

ENS, Paris, France

2009

BSc in Physics

Summa cum laude

ENS Lyon, France

2007


Récompenses

Best teacher award

Life Sciences Engineering teaching section, EPFL

2023

Young Scientist Prize in Biological Physics

International Union of Pure and Applied Physics (IUPAP)

2023

Michelin Young Researcher (PhD) Prize

French Physical Society

2014

Louis Forest PhD Prize in the Life Sciences

Chancellery of the Universities of Paris

2013

Enseignement & Phd

Enseignement

Life Sciences Engineering

Cours

Randomness and information in biological data

La biologie devient de plus en plus une science de données, comme le montre par exemple l'explosion des séquences génomiques disponibles. Ce cours montrera comment nous pouvons donner un sens à ces données et les exploiter afin de comprendre quantitativement les processus biologiques.

Genomics and bioinformatics

Ce cours introduit différentes méthodes d'analyse de données issues du séquencage d'ADN, de l'assemblage de génomes à l'analyse quantitative de l'évolution et de l'expression des gènes, à la liaison des facteurs de transcription et à la conformation des chromosomes.

Lecture series on scientific machine learning

Ce cours présente des travaux sur la façon dont les questions scientifiques peuvent être abordées à l'aide de l'apprentissage automatique. L'apprentissage automatique permet d'extraire des connaissances à partir de données de manière automatisée. Nous apprendrons à partir d'exemples concrets.