Nos équipes de recherches fondamentale et appliquée travaillent ensemble pour faire progresser la recherche et nos produits.

Largement reconnu comme l’un des trois pionniers de l’apprentissage profond, Yoshua Bengio est un chercheur de renommée mondiale qui compte plus de 300 publications à son actif et qui a été cité plus de 80 000 fois. En plus d’être directeur scientifique de l’Institut québécois d'intelligence artificielle (Mila), il est titulaire de la Chaire de recherche du Canada en algorithmes d’apprentissage statistique et d’une chaire de recherche industrielle du CRSNG. Il est également agrégé supérieur à l’Institut canadien de recherches avancées (CIFAR) et codirecteur de son programme axé sur l’apprentissage profond. Il a été président de programme et président général du congrès NIPS, le plus grand congrès universitaire sur l’apprentissage machine. Il a aussi cofondé ICLR, le plus important congrès sur l’apprentissage profond.

Christopher Pal est professeur agrégé au département de génie logiciel et informatique de Polytechnique Montréal et membre auxiliaire du département d'informatique et de recherche opérationnelle de l'Université de Montréal. Il est également l'un des membres fondateurs de l'Institut d'apprentissage des algorithmes de Montréal. Il est co-auteur de la dernière édition du livre bien connu Data Mining: Practical Machine Learning Tools and Techniques. Il détient un doctorat de l'Université de Waterloo et a travaillé avec le groupe Machine Learning de l'Université de Toronto et avec Microsoft Research à Redmond Washington pendant ses études supérieures. Il possède plus de deux décennies d'expérience dans la recherche sur l'intelligence artificielle et l'application des techniques d'intelligence artificielle aux problèmes du monde réel.

Negar Rostamzadeh est chercheuse, science fondamentale, chez Element AI. Elle s’intéresse à l’apprentissage machine (en particulier aux approches d’apprentissage profond) dans le contexte des problèmes de vision artificielle, principalement pour la compréhension de vidéos. Negar a obtenu son baccalauréat en informatique à l’Université de Téhéran. Elle détient aussi un doctorat de l’Université de Trento, en Italie, où elle a travaillé au sein du Multimedia and Human Understanding Group (groupe de recherche en compréhension humaine et multimédia). Au cours de ses études doctorales, Negar a travaillé pendant deux ans au laboratoire de l’Institut québécois d'intelligence artificielle (Mila), sous la supervision du professeur Aaron Courville. À l’été 2016, elle a fait un stage avec le groupe de recherche et d’intelligence machine de Google, à Seattle. Elle est ensuite revenue au Mila pour continuer ses recherches en compréhension des vidéos, toujours sous la supervision d’Aaron Courville. Elle a terminé son doctorat en avril 2017.

David Vázquez est chercheur, science fondamentale, à Element AI, où il étudie la vision informatique. Il a été auparavant chercheur postdoctoral au Centre de vision informatique (CVC) de Barcelone et à l’Institut québécois d'intelligence artificielle (Mila), et professeur adjoint au Département d’informatique de l’Université autonome de Barcelone (UAB). Il est spécialiste de la perception artificielle pour les véhicules autonomes et de l’adaptation de domaine pour le passage de la simulation à l’environnement réel. C’est le réseau de chercheurs universitaires d’Element AI qui a attiré David : « EAI donne un accès virtuel aux plus grands chercheurs en intelligence artificielle sur la planète. C’est ce qui rend l’entreprise unique, et c’est ce qui m’a séduit : quand on veut être le meilleur, il faut travailler avec les meilleurs. »

Anqi Xu est chercheur, Science fondamentale, à Element AI. Il étudie depuis plus de 10 ans diverses facettes de la robotique mobile, dont l’interaction humain-machine, l’asservissement, la localisation et la planification. Il est titulaire d’un doctorat en informatique de l’Université McGill, où il a étudié la confiance dans les interactions humain-robot. Il a été conquis par l’éventail d’applications clients et les objectifs de recherche fondamentale d’Element AI, qui lui permettent de se pencher à sa guise sur des questions telles que l’apprentissage amélioré par l’humain (apprentissage par imitation, apprentissage par renforcement inverse, conception de récompenses), l’apprentissage par renforcement pour la commande robotique, la perception pour les machines mobiles, et l’usage des technologies embarquées et portables.