Christopher Pal Neurips

Christopher Pal

Chercheur scientifique principal

Chris Pal est professeur agrégé au Département de génie informatique et génie logiciel de Polytechnique Montréal. Avant d’arriver à Montréal, il était professeur au Département d’informatique de l’Université de Rochester. Il a exercé les fonctions de chercheur scientifique à l’Université du Massachusetts et a aussi été affilié au groupe sur les médias visuels interactifs et aux groupes sur l’apprentissage machine et les statistiques appliquées de Microsoft Research. Ses recherches chez Microsoft ont abouti à trois brevets sur le traitement de l’image, la vision par ordinateur et le multimédia interactif.

Chris Pal détient une maîtrise en mathématiques et un doctorat de l’Université de Waterloo, au Canada. Lors de ses recherches de maîtrise, il a conçu des méthodes de cartographie automatisée et d’analyse des photographies aériennes numériques à haute résolution. Il a aussi participé à un certain nombre de projets de génie logiciel visant la création de bases de données spatiales destinées à la gestion de l’information sur l’environnement. Ses recherches doctorales ont contribué à l’application de modèles de probabilité et de techniques d’optimisation au traitement de l’image, de la vidéo et du signal. Avant ses études supérieures, Chris Pal travaillait chez Interval, une entreprise de recherche en multimédia de Palo Alto, en Californie (Silicon Valley). Ses travaux lui avaient alors permis d’obtenir un brevet sur le traitement du signal audio. 

Quatre articles d’étudiants au doctorat de Chris Pal ont été acceptés au NeurIPS 2018 :

Sparse Attentive Backtracking: Temporal Credit Assignment Through Reminding

Nan Rosemary Ke, Anirudh Goyal, Olexa Bilaniuk, Jonathan Binas, Michael C. Mozer, Christopher PalYoshua Bengio

Towards Deep Conversational Recommendations. 
Raymond Li, Samira Ebrahimi Kahou, Hannes Schulz, Vincent Michalski, Laurent CharlinChristopher Pal

Towards Text Generation with Adversarially Learned Neural Outlines.
Sandeep SubramanianSai Rajeswar Mudumba, Alessandro Sordoni, Adam Trischler, Aaron CourvilleChristopher Pal

Unsupervised Depth Estimation, 3D Face Rotation and Replacement. 
Joel Ruben Antony Moniz, Christopher Beckham, Simon Rajotte, Sina Honari, Christopher Pal



Sungjin Ahn Neurips

Sungjin Ahn

Chercheur universitaire

Sungjin Ahn est professeur adjoint au Département d’informatique de l’Université Rutgers, où il dirige le groupe d’apprentissage machine. Ses intérêts de recherche comprennent l’apprentissage profond, l’apprentissage bayésien, l’apprentissage par renforcement profond et leur relation avec les algorithmes cognitifs et les algorithmes inspirés des neurosciences. Son objectif à long terme est de développer ces méthodologies pour l’apprentissage d’agents et de concevoir un agent capable d’apprendre comme les humains dans des environnements complexes. Il détient un doctorat de l’Université de Californie à Irvine, où il a étudié l’inférence bayésienne d’approximations évolutive sous la direction du professeur Max Welling, et a effectué ses travaux de postdoctorat sur l’apprentissage profond au MILA, sous la supervision du professeur Yoshua Bengio.

Aaron Courville Neurips

Aaron Courville

Chercheur universitaire

Aaron Courville est professeur adjoint au Département d’informatique et de recherche opérationnelle de l’Université de Montréal et membre du Laboratoire d’informatique des systèmes adaptatifs. Il a coécrit l’ouvrage Deep Learning, publié par MIT Press, avec Yoshua Bengio, cofondateur d’Element AI, et Ian Goodfellow, chercheur à Google Brain. Ses recherches récentes portent sur l’élaboration de modèles et de méthodes d’apprentissage profond. Il s’intéresse particulièrement à la conception de modèles probabilistes et de nouvelles méthodes d’inférence.

Julien Cornebise

Julien Cornebise

Directeur de recherche, IA au service de la société

Julien Cornebise est directeur de recherche, IA au service de la société, à Element AI, et chef du bureau de Londres. Il est aussi chercheur honoraire au University College de Londres. Avant de joindre Element AI, il a été l’un des premiers employés de DeepMind (acquise par la suite par Google), où il a dirigé plusieurs projets de recherche fondamentale utilisés dans les premières démonstrations et campagnes de collecte de fonds. Après son départ de DeepMind en 2016, il s’est joint à Amnistie internationale. Julien Cornebise détient une maîtrise (MSc) en génie informatique et une autre en statistiques mathématiques, ainsi qu’un doctorat (Ph. D.) en mathématiques, avec spécialisation en statistique computationnelle, de l’Université Paris VI Pierre et Marie Curie et de Télécom ParisTech. En 2010, il a reçu le prix Savage en théorie et méthodes de l’International Society for Bayesian Analysis pour ses travaux de doctorat.

Ousmane Amadou Dia Neurips

Ousmane Amadou Dia

Chercheur, science appliquée

Ousmane Amadou Dia est titulaire d’un doctorat en informatique de l’Université de la Caroline du Sud, obtenu à titre de chercheur-boursier Fulbright. Ses recherches portent sur la sécurité des applications d’apprentissage machine. Au premier cycle universitaire, il a étudié les mathématiques appliquées, puis a obtenu une maîtrise ès sciences à l’Université Catholique de Louvain, en Belgique, où il a participé à un projet du réseau d’excellence SIMILAR axé sur les interfaces multimodales de diagnostic assisté par ordinateur à partir de clichés mammaires. Avant de se joindre à Element AI, Ousmane Amadou Dia était chercheur scientifique chez Amazon.com.

Karolina Dziugaite Neurips

Karolina Dziugaite

Chercheure scientifique

Karolina Dziugaite termine son doctorat en apprentissage machine à l’Université de Cambridge, sous la direction du professeur Zoubin Ghahramani. Avant cela, elle a étudié les mathématiques à l’Université Warwick, suivi le Part III en mathématiques à l’Université de Cambridge et obtenu une maîtrise en études avancées en mathématiques appliquées. Durant ses études de doctorat, elle a longtemps participé à l’établissement du programme d’apprentissage machine du Simons Institute for the Theory of Computing à l’Université de Berkeley. Elle y a commencé à travailler sur la théorie de l’apprentissage, étudiant la généralisation en apprentissage profond, qui était au cœur de sa thèse de doctorat. Chez Element AI, Karolina Dziugaite continue de s’attaquer à d’importants problèmes d’apprentissage profond en se guidant sur la théorie.

Chin Wei Huang

Chin-Wei Huang

Stagiaire en recherche

Chin-Wei est étudiant au doctorat au MILA et à l’Université de Montréal, où il est encadré par Aaron Courville. Ses recherches portent principalement sur les modèles génératifs profonds avec variables latentes, sur l’inférence d’approximations et sur l’apprentissage profond bayésien. Il travaille également à temps partiel chez Element AI, aux côtés d’Alexandre Lacoste, sur l’apprentissage par transfert et l’apprentissage par représentation.

Alexandre Lacoste Neurips

Alexandre Lacoste

Chercheur scientifique

Alexandre Lacoste détient un doctorat en apprentissage machine théorique de l’Université Laval. Auparavant, il avait travaillé trois ans chez Google comme chercheur en génie logiciel. Chez Google, il se concentrait sur la construction de systèmes complets de réponse aux questions à l’aide de réseaux de neurones récurrents dotés d’attention. Il a publié plusieurs articles scientifiques et possède un indice h de 11. Chez Element AI, Alexandre Lacoste porte son attention sur l’apprentissage profond bayésien et l’apprentissage par transfert multitâche.

Boris Oreshkin Neurips

Boris Oreshkin

Chercheur, science appliquée

Boris Oreshkin détient un doctorat en génie électrique de l’Université McGill. Il a effectué des études postdoctorales en imagerie médicale à l’Université McGill et en recherche opérationnelle à l’Université de Montréal. Ses recherches universitaires portaient sur les applications d’apprentissage machine et sur la modélisation statistique avancée pour le traitement de signal distribué, l’imagerie médicale et la modélisation de centre d’appels. Boris Oreshkin dispose d’une considérable expérience industrielle comme développeur d’algorithmes d’apprentissage machine. Il consacre actuellement ses recherches à l’apprentissage à partir de peu d’exemples, à l’apprentissage par représentation faiblement supervisé, à la modélisation et l’inférence générative multimodalités, et aux modèles d’apprentissage machine avancés aux fins des séries chronologiques et de prévision.

Pau Rodriguez Neurips

Pau Rodriguez

Stagiaire en recherche

Pau Rodriguez est étudiant au doctorat en vision par ordinateur à l’Université autonome de Barcelone. Ses travaux portent sur la reconnaissance des images à texture fine et la généralisation en apprentissage profond. Il est détenteur d’une maîtrise en intelligence artificielle de la KU Leuven, en Belgique, et d’un diplôme de premier cycle en génie informatique de l’Université autonome de Barcelone. Il a pour objectif de rapprocher l’apprentissage machine de l’apprentissage humain, c’est-à-dire de créer des algorithmes capables d’apprendre rapidement, de généraliser et de retenir. 

Negar Rostamzadeh Neur Ips

Negar Rostamzadeh

Chercheure scientifique

Negar Rostamzadeh a complété son PhD en apprentissage machine, spécifiquement sur la compréhension de vidéos. Durant son PhD, elle a passé 2 ans à l'Institut québécois d'Intelligence Artificielle (MILA), sous la supervision du professeur Aaron Courville. Elle est concentrée sur l'utilisation de mécanismes d'attention en vidéo, la captation vidéo et la génération de vidéo. Chez Element AI, elle travaille sur la vision artificielle et sur l'apprentissage multimodal, en se concentrant principalement sur les problèmes avec une faible supervision.