Prix poster MIP
Felipe Albuquerque a reçu le 3ème prix de poster dans le Mixed Integer Programming European Workshop 2026 pour son poster « The Capacitated Mobile p-Median Problem with Dynamic Demand »
Felipe Albuquerque a reçu le 3ème prix de poster dans le Mixed Integer Programming European Workshop 2026 pour son poster « The Capacitated Mobile p-Median Problem with Dynamic Demand »
Speaker : Professor Hajar El Hammouti from UM6P Date: 12/10/2026 – 11h30 Place: LIA meeting room. Title: “Energy Efficient Federated Learning” Abstract : Federated learning (FL) is a distributed learning framework that operates effectively over wireless networks. It enables devices to collaboratively train a model over wireless links by sharing model parameters rather than personal data. However, a key challenge in FL arises from the limited computational and communication resources of devices. As a result, energy efficiency has become a critical concern for real-world deployments. In this talk, we provide an overview of key strategies to reduce computational and communication overhead in FL systems. We will also present our recent contributions in this area, including the design of novel algorithms for client selection, model compression, and quantization. These techniques aim to minimize energy consumption while preserving model accuracy and ensuring FL convergence. Keywords: Energy Efficiency; Federated Learning; Internet of Things, Optimization; Wireless Communications. Bio: Hajar El Hammouti is an Assistant Professor at the College of Computing of Mohammed VI Polytechnic University (UM6P) in Morocco. She received her Ph.D. in Electrical Engineering from the National Institute of Posts and Telecommunications (INPT), Rabat, and held postdoctoral positions at the International University of Rabat (UIR) and King Plus d'infos
Titre de la thèse : Apprentissage fédéré robuste et fiable dans les systèmes distribués Date: jeudi 8 octobre 2026 à 14h00, Lieu: amphithéâtre Blaise du CERI. La présentation se déroulera en anglais. Le jury sera composé de : Rapporteurs• M. Stefano Secci — Professeur des universités, Cnam, France• M. Jalel Ben Othman — Professeur des universités, University of Paris 13, France Examinateurs• M. Mohamed El Kamili — Professeur des universités, Université Hassan II de Casablanca, Maroc• Mme Tamara Tosic — Ingénieure de recherche, Orange, France• Mme Hajar Elhammouti — Maîtresse de conférences, Université Mohammed VI Polytechnique, Maroc Encadrants• M. Rachid Elazouzi — Professeur des universités, Avignon Université, France• M. Abdellatif Kobbane — Professeur des universités, ENSIAS, Université Mohammed V de Rabat, Maroc Résumé : Aujourd’hui, les données sont rarement disponibles en un seul endroit. Elles sont produites et stockées à travers des appareils personnels, des institutions, des infrastructures et des services, souvent sous des contraintes liées à la confidentialité, à la propriété, à la réglementation ou à l’accessibilité technique. Cette situation a profondément modifié la manière dont les systèmes d’apprentissage automatique peuvent être conçus. Dans de nombreuses applications, l’apprentissage doit être réalisé sans centraliser l’ensemble des données, tout en permettant à plusieurs acteurs de contribuer à un modèle commun. L’apprentissage fédéré répond à ce besoin en Plus d'infos
Laboratoire Informatique d'Avignon — Avignon Université