FANG YAO, University of Toronto Analyse de données fonctionnelles et sujets connexes L'analyse de données fonctionnelles (ADF) a reçu une attention considérable, avec des applications provenant de diverses disciplines, notamment l'ingénierie, la santé publique, les nances, etc. En général, l'approche de l'ADF se concentre sur des modèles sous-jacents non paramétriques qui présupposent que les données sont tirées de réalisations de processus stochastiques qui suivent certaines conditions de régularité, telles que des contraintes d'ajustement. Les processus d'estimation et d'inférence ne dépendent généralement pas seulement d'un nombre ni de paramètres, ce qui contraste avec les modèles paramétriques, et exploitent des techniques telles que les méthodes de lissage et de réduction de dimension, qui permettent aux données de parler d'elles-mêmes. Dans cette allocution, je présenterai un survol des méthodes d'ADF et de sujets connexes développés au cours des dernières années. 1