(this is in french only as the talks will be in french it’s probably not relevant for english speakers)
Le prochain OUPS aura lieu le jeudi 10 mars 2022. Le rendez-vous est fixé à 18h30 en salle 15-16 101 .
Ce meetup aura lieu dans les locaux de l’IRILL au 4 place Jussieu, 75005 Paris en salle 101 . Pour accéder à la salle, il faut aller à la colonne 15 ou 16, monter un étage et accéder au couloir 15-16. Voir les instructions d’accès.
L’inscription est obligatoire pour pouvoir accéder au meetup ! Votre nom complet doit être disponible. Merci de vous inscrire le mercredi 9 mars au plus tard.
L’événement sera retransmis sur galène.
Le meetup consistera en deux exposés à la suite de quoi, les traditionnels pot et pizza party ne pouvant avoir lieux à l’IRILL, nous proposerons à ceux qui le souhaitent de se rendre au Baker Street Pub pour prolonger les discussions. Le passe sanitaire sera demandé pour participer à cette partie de l’évènement.
Le programme des exposés de cette édition est donné ci-dessous et nous profitons de l’occasion pour rappeler que nous sommes toujours à la recherche de propositions d’exposés pour les meetups suivants. Si vous souhaitez proposer un exposé, contactez-nous sur le zulip OUPS.
Interfacing OCaml with Sundials for numerical simulation, par Timothy Bourke
Sundials/ML is an OCaml interface to (most of) the Sundials suite of numerical solvers. It provides access to the underlying C library and exploits features of the OCaml type and module systems to document and ensure its correct utilisation. We reimplemented a hundred-odd of the examples provided with Sundials to aid in developing, debugging, and benchmarking the OCaml library. The standard examples, iterated hundreds or thousands of times, are rarely twice as slow in OCaml as in C and usually less than 50% slower. We also found many bugs in our code (and a few in Sundials itself) by executing these examples with valgrind.
Epidemiological inference in OCaml, par Benjamin Nguyen
OCaml is a great choice for simulating mathematical models: Its functional nature and its type and module system allow to easily express mathematical models and to simulate them in a modular and (reasonably) efficient manner.
I will share some of the code and results from my PhD about the Bayesian inference of infectious diseases, with simulation of stochastic processes, MCMC, phylogenetic inference, and musical populations.
