Franck Iutzeler

Teaching

I teach statistics, optimization and machine learning in the Department of Mathematics of Université de Toulouse, where I am in charge of the second year of the Master SID. From 2015 to 2023, I taught at Université Grenoble Alpes.

2026/2027

Robust Optimization and Statistical Learning

M2 research-oriented graduate course · Spring (semester 2)

  • Course notes PDF

  • Exam of 2025 PDF

Big Data

M2 MAPI3 · Spring (semester 2)

  • Course notes in constant change! PDF

  • These notes heavily build on the course as given by François Bachoc until 2025 PDF

(KMAXIP09) Apprentissage statistique avancé

M2 SID · Université de Toulouse · in French · Fall (semester 1)

Cours et TP autour de l'apprentissage statistique.

(KMAEP07U) Analyse de données

L3 (parcours SID) · Université de Toulouse · in French · Fall (semester 1)

Cours, TD et TP autour de l'analyse de données.

Previous years

2025/2026

Robust Optimization and Statistical Learning

M2 research-oriented graduate course · Spring (semester 2)

  • Every Thursday 13:30

  • Course notes final for 2026 PDF

  • Exam of last year PDF

  • Exam: Thu Feb 19th at 13:30 in Amphi AMPERE (3A building), 3h, documents are allowed

Big Data

M2 MAPI3 · Spring (semester 2)

  • Course notes in constant change! PDF

  • These notes heavily build on the course as given by François Bachoc until 2025 PDF

(KMAXIP09) Apprentissage statistique avancé

M2 SID · Université de Toulouse · in French · Fall (semester 1)

Cours et TP autour de l'apprentissage statistique.

(KMAEP07U) Analyse de données

L3 (parcours SID) · Université de Toulouse · in French · Fall (semester 1)

Cours, TD et TP autour de l'analyse de données.

2024/2025

Robust Optimization and Statistical Learning

M2 research-oriented graduate course · Spring (semester 2)

  • Every Thursday 14:00 - 17:15

  • No class on January 9th! (CELCAT is updated)

  • Warning: the room is 3A-G11 from January 16th

  • Exam: Thu. Feb. 20th, 2pm-5pm in U4-203

  • Course notes PDF

  • Note: the course above is final for 2024/25. The appendices are not part of the course but contain related developments.

(KMAXIP09) Apprentissage statistique avancé

M2 SID · Univ. Toulouse III - Paul Sabatier · in French · Fall (semester 1)

(KMAEP07U) Analyse de données

L3 (parcours SID) · Univ. Toulouse III - Paul Sabatier · in French · Fall (semester 1)
2023/2024

(KMAK9AC1) Apprentissage statistique avancé

M2 SID · Univ. Toulouse III - Paul Sabatier · in French · Fall (semester 1)

(KMAEP07U) Modèle linéaire 1 - Analyse de données

L3 (parcours SID) · Univ. Toulouse III - Paul Sabatier · in French · Fall (semester 1)
2022/2023

Numerical Optimization

M1 AM · Univ. Grenoble Alpes · Spring (semester 2)

Fundamentals of optimization: variational analysis, gradient algorithm, constrained problems and duality.

Operations research complementary

M1 AM · Univ. Grenoble Alpes · Spring (semester 2)

Mathematics of some operations research problems around three topics: spectral graph theory, game theory, optimal transport.

  • Chap. 1 - Spectral graph theory PDF

  • Chap. 2 - Game theory PDF

  • Chap. 3 - Numerical Optimal Transport PDF

  • Lab Zip, solution Part 1 - .ipynb

  • Sample exam PDF

(MAP201) Introduction aux mathématiques appliquées

L1 IMA-INF · Univ. Grenoble Alpes · in French · Spring (semester 2)

Cours et TP autour des mathématiques appliquées à l'image et à la statistique.

  • Responsable de la partie Image

  • Cours sur Chamilo

Guest course on proximal identification

Fall (semester 1)

Efficient Methods in Optimization

M2 SIAM/ORCO · Univ. Grenoble Alpes · Fall (semester 1)

Theory and algorithms for nonsmooth convex optimization problems.

  • First part of the course (basics & theory) by Roland Hildebrand Website

  • Second part (algorithms):

    • Course 4: (sub-)gradient methods PDF

    • Course 5: proximal and bundle methods PDF

    • Course 6: splitting methods PDF

    • Sample exercise PDF

Introduction à Python pour l'apprentissage statistique

M1 SSD · Univ. Grenoble Alpes · in French · Fall (semester 1)

Introduction à Python pour la science des données : bases, NumPy, Matplotlib, scikit-learn.

  • Cours et exercices : GitHub

  • Lire le cours : NbViewer

  • Exécuter et modifier les notebooks en ligne : Binder

  • Solutions des exercices :

    • Régression avec NumPy ipynb

    • Dataframes ipynb

    • Supervised Learning ipynb

    • Unsupervised Learning ipynb

  • Notebook sur les réseaux de neurones ipynb

Introduction à la recherche opérationnelle

M2 SSD · Univ. Grenoble Alpes · in French · Fall (semester 1)

Introduction à la recherche opérationnelle pour les statistiques.

  • Cours par Anatoli Juditsky Website

  • Mise en pratique en Python : GitHub

  • Solutions (partielles) TP1 TP2

  • TP à rendre HTML ipynb

  • Intro à Julia par Rémy Drouilhet

Refresher in Matrix Analysis and Numerical Optimization

M2 MSIAM/MOSIG Data Science · Univ. Grenoble Alpes · Fall (semester 1)

Reminders in matrix analysis and optimization.

  • Syllabus and exercises PDF

  • Practical session & basics of Python: GitHub

  • Solution of the exercise in Python102: HTML

  • Solution of Lab 1 - Matrix Analysis: HTML

  • Solution of Lab 2 - Numerical Optimization: HTML

(STA301) Statistiques pour la biologie

L2 BIO-CHI · Univ. Grenoble Alpes · in French · Fall (semester 1)

Bases de la statistique, estimateurs, tests.

2021/2022

Numerical Optimization

M1 AM · Univ. Grenoble Alpes · Spring (semester 2)

Fundamentals of optimization: variational analysis, gradient algorithm, constrained problems and duality.

Operations research complementary

M1 AM · Univ. Grenoble Alpes · Spring (semester 2)

Mathematics of some operations research problems around three topics: spectral graph theory, game theory, optimal transport.

(MAP201) Introduction aux mathématiques appliquées

L1 IMA-INF · Univ. Grenoble Alpes · in French · Spring (semester 2)

  • Responsable de la partie Image

  • Cours sur Chamilo

Nonsmooth Convex Optimization

M2 SIAM/ORCO · Univ. Grenoble Alpes · Fall (semester 1)

Theory and algorithms for nonsmooth convex optimization problems.

  • First part of the course (basics & theory) by Roland Hildebrand Website

  • Second part (algorithms): PDF

    • Course 1: (sub-)gradient methods, Chap. 1 & 2

    • Course 2: proximal and bundle methods, Chap. 3

    • Course 3: splitting methods, Chap. 4

    • Sample exercise PDF

Introduction à Python pour l'apprentissage statistique

M1 SSD · Univ. Grenoble Alpes · in French · Fall (semester 1)

  • Cours et exercices : GitHub

  • Lire le cours : NbViewer

  • Exécuter et modifier les notebooks en ligne : Binder

  • Solutions des exercices :

    • Régression avec NumPy ipynb

    • Supervised Learning ipynb

Introduction à la recherche opérationnelle, (STA301) Statistiques pour la biologie, Refresher in Matrix Analysis and Numerical Optimization

Univ. Grenoble Alpes · Fall (semester 1)
Before 2021

From 2015 to 2021, I taught at Université Grenoble Alpes. Before that, I was a teaching assistant at Télécom Paris, Université Paris-Est and Université catholique de Louvain. The full list of my courses is in my CV.