TORONTO, le 31 octobre 2017 – L'Institut Vector a annoncé aujourd'hui que dix nouveaux professeurs se joindront à son équipe de chercheurs de premier plan dans les domaines de l'apprentissage automatique, de l'apprentissage profond et de l'intelligence artificielle (IA) en général.
Issus d'horizons très divers, provenant d'institutions et de laboratoires internationaux et canadiens, les nouveaux professeurs de Vector se joindront à une communauté dynamique de chercheurs innovateurs, travaillant de manière interdisciplinaire sur des projets de recherche fondamentale et appliquée. Ils apportent leur expertise dans des domaines tels que l'apprentissage profond, l'apprentissage machine, le traitement automatique du langage naturel, la vision par ordinateur, la recherche en informatique quantique, les soins de santé et même la musique.
Lancée au début de l'année à Toronto, Vector est rapidement devenue une destination de choix pour les meilleurs talents en IA, désireux de collaborer avec leurs pairs et de bénéficier de la flexibilité nécessaire pour mener des recherches fondamentales ou appliquées, enseigner, travailler avec l'industrie ou lancer leur propre start-up. La structure unique de Vector, qui fait le lien entre le monde universitaire, l'industrie et les institutions, offre également aux chercheurs la possibilité d'exploiter des ensembles de données existants pour résoudre des problèmes concrets.
Les nouveaux professeurs annoncés aujourd'hui viendront renforcer une équipe de chercheurs de renommée mondiale qui a contribué au lancement de l'Institut Vector. Ils consolideront les fondements de la vision de Vector, qui est de promouvoir l'excellence et le leadership au Canada dans le domaine des connaissances, de la création et de l'utilisation de l'IA afin de stimuler la croissance économique et d'améliorer la vie des Canadiens. En janvier prochain, Vector accueillera également son premier président-directeur général, le Dr Garth Gibson .
Richard Zemel , directeur de recherche du Vector Institute :
« Ici, au Canada, et plus particulièrement à Toronto, nous avons une solide tradition de recherche en apprentissage machine et en apprentissage profond. Avec l’Institut Vector, nous misons sur ces atouts et saisissons une occasion unique où les meilleurs talents et entreprises veulent venir au Canada pour faire progresser l’intelligence artificielle. En tant que directrice de la recherche, ma priorité absolue depuis le lancement de Vector a toujours été et demeure de constituer une équipe talentueuse et collaborative. Je suis ravie que ces personnes se joignent à une équipe de professeurs diversifiée et en pleine expansion, déterminée à faire de Vector un chef de file mondial en IA. »
Geoffrey Hinton , conseiller scientifique en chef du Vector Institute :
« De plus en plus, les chercheurs les plus prometteurs au monde dans le domaine de l'apprentissage profond et d'autres sous-domaines de l'IA considèrent le Canada comme un pôle d'excellence offrant de nombreuses possibilités de collaboration, de recherche avancée et de développement d'applications. Vector est un pilier de l'écosystème canadien de l'IA et je suis ravi que l'équipe s'agrandisse avec des talents très recherchés, dont certains avec lesquels j'ai eu le plaisir de travailler. Cette équipe contribuera à l'excellence de Vector en matière de recherche, d'enseignement et de collaboration avec l'industrie. »
Navdeep Bains, ministre de l'Innovation, des Sciences et du Développement économique :
« L’intelligence artificielle est un pilier essentiel de l’économie mondiale actuelle et notre gouvernement est prêt à soutenir le rôle de chef de file du Canada dans ce domaine. Nous avons lancé la Stratégie pancanadienne en IA afin d’attirer les meilleurs talents universitaires et d’accroître le nombre de diplômés et de chercheurs qui étudient l’intelligence artificielle et l’apprentissage profond au Canada. Les travaux de haute qualité de l’Institut Vector sont exactement ce dont nous avons besoin pour continuer à faire rayonner la réputation mondiale du Canada comme chef de file de la recherche en IA. L'annonce d'aujourd'hui témoigne encore une fois des progrès remarquables que continue de réaliser l'Institut Vector. »
Dr Alan Bernstein, président et chef de la direction du CIFAR, qui dirige la stratégie pancanadienne en matière d'IA :
« Je félicite l'Institut Vector pour la nomination de ce groupe impressionnant de chercheurs. Vector est l'une des pierres angulaires de nos efforts visant à consolider le leadership du Canada en recherche sur l'intelligence artificielle, et nous sommes ravis de constater les progrès qu'ils accomplissent. »
Reza Moridi, ministre de la Recherche, de l'Innovation et des Sciences de l'Ontario :
« Nous félicitons les nouveaux professeurs de Vector pour leur arrivée au sein d'une communauté grandissante de talents de haut niveau en IA ici même en Ontario. L'investissement de la province dans Vector contribue à l'essor de l'écosystème de l'IA et au développement de notre économie du savoir et de l'innovation. Il offrira des occasions clés à l'industrie, aux jeunes entreprises et à une main-d'œuvre hautement qualifiée en pleine croissance. »
Pour plus d'informations, visitez vectorinstitute.ai ou envoyez un courriel à media@vectorinstitute.ai
Nouveaux profs
Jimmy Ba
Date de début : août 2018
Parmi ses nombreuses réalisations, Jimmy a développé l'optimiseur Adam, un algorithme de référence pour l'entraînement des modèles d'apprentissage profond. Il a obtenu son baccalauréat, sa maîtrise et son doctorat à l'Université de Toronto sous la direction de Geoffrey Hinton, Brendan Frey et Ruslan Salakhutdinov. Ses recherches portent sur le développement d'algorithmes d'apprentissage pour les réseaux neuronaux profonds. Il a été le deuxième étudiant d'un établissement canadien à remporter une bourse de doctorat Facebook et, en 2015, son équipe a décroché la première place parmi les laboratoires universitaires lors du concours de génération de légendes d'images à CVPR. Il fera un stage postdoctoral d'un an au MIT et se joindra à l'Université de Toronto en 2018 en tant que professeur adjoint au Département d'informatique.
Points saillants
- Bourse de doctorat Facebook
- Massey Junior Fellow
Juan Felipe Carrasquilla
Date de début : décembre 2017
Les recherches de Juan portent sur l'intersection de la physique de la matière condensée, de l'informatique quantique et de l'apprentissage automatique. Il combine des simulations quantiques de Monte Carlo et des techniques d'apprentissage automatique pour analyser le comportement collectif des systèmes quantiques à N corps. Ses travaux permettent notamment d'identifier les phases de la matière dans les simulations numériques et les expériences, ainsi que de valider des dispositifs quantiques en développement et des simulations quantiques de systèmes de matière condensée. Il a obtenu son doctorat en physique à la SISSA, l'École internationale d'études avancées en Italie. Il a ensuite occupé des postes de chercheur postdoctoral à l'Université de Georgetown, de chercheur invité à l'Université d'État de Pennsylvanie et de chercheur postdoctoral à l'Institut Périmètre. Plus récemment, Juan était chercheur chez D-Wave Systems Inc. à Burnaby, en Colombie-Britannique, et se joindra à l'Institut Vector à temps plein cet hiver.
Points saillants
- Nous avons revitalisé le lien entre la vision par ordinateur et la théorie des systèmes à N corps fortement corrélés. Nous avons démontré que les réseaux de neurones sont capables d'apprendre des représentations d'états de la matière ordonnés et topologiquement ordonnés. En savoir plus
- Utilisation de machines de Boltzmann restreintes (RBM) pour réaliser une tomographie d'état quantique dans des systèmes de taille sans précédent. Lire la suite
- Des simulations de Monte Carlo ont été développées dans le cadre d'une recherche novatrice de liquides de spin quantiques topologiques potentiels sur une large gamme de matériaux. Lire la suite
- Nous avons développé des simulations numériques de la première observation expérimentale de l'effet de distillation quantique dans des atomes ultra-froids. Lire la suite
Murat A. Erdogdu
Date de début : juillet 2018
Ingénieur de formation, Murat s'intéresse particulièrement à l'application de la théorie à la résolution de problèmes concrets. Il se spécialise dans la conception d'algorithmes d'optimisation pour les modèles d'apprentissage automatique. Grâce à des algorithmes efficaces, le temps d'entraînement des modèles peut être considérablement réduit, permettant ainsi aux chercheurs de tester et de sélectionner rapidement le modèle le plus adapté au problème étudié, qu'il s'agisse de systèmes de recommandation ou de véhicules autonomes. Murat a obtenu son doctorat au département de statistique de l'université de Stanford. Il est titulaire d'une maîtrise en informatique de Stanford et de baccalauréats en génie électrique et en mathématiques de l'Université de Bogazici, en Turquie. Actuellement chercheur postdoctoral chez Microsoft Research – New England, il se joindra aux départements d'informatique et de statistique de l'Université de Toronto en 2018. Murat publie régulièrement à la conférence NIPS, l'une des plus prestigieuses en apprentissage automatique, et ses articles sont publiés dans les revues Annals of Statistics et JMLR.
David J. Fleet
Date de début : Automne 2017
Les recherches de David portent sur la vision par ordinateur, le traitement d'images, la perception visuelle et les neurosciences visuelles. Il s'intéresse à la façon dont les animaux voient et apprennent, et à la manière de développer des machines dotées de capacités visuelles similaires, voire supérieures. Ses publications comprennent des méthodes de mesure du mouvement et de suivi d'objets dans des séquences d'images, l'estimation de la posture et du mouvement humains à partir de vidéos, la recherche d'images à grande échelle, des modèles de vision stéréoscopique biologique et des articles récents sur la cryo-microscopie électronique. David est professeur au Département d'informatique de l'Université de Toronto et au Département d'informatique et de sciences mathématiques de l'Université de Toronto Scarborough. Auparavant, il a travaillé au sein des groupes d'analyse vidéo numérique et d'analyse perceptive de documents du Centre de recherche de Palo Alto, ainsi qu'au Département d'informatique de l'Université Queen's.
Points saillants
- Chercheur principal du programme CIFAR sur l'apprentissage automatique et cérébral
- Bourse de recherche Alfred P. Sloan (2006)
- Prix Koenderink en vision par ordinateur (2010)
- Coprésident du programme de l'IEEE CVPR (2003), ECCV (2014)
- Rédacteur associé (2000-2003), rédacteur en chef associé (2004-2008) et membre du conseil consultatif (2009- ) pour IEEE Transactions on Pattern Analysis and Machine Intelligence (PAMI)
Marzyeh Ghassemi
Date de début : juillet 2018
Marzyeh a obtenu son doctorat au MIT, où ses recherches portaient sur l'apprentissage automatique appliqué à la santé. Elle s'est intéressée à prédire les besoins immédiats et à long terme des patients afin d'éclairer les décisions en soins intensifs et en ambulatoire. Ses recherches actuelles portent sur la prédiction des risques cliniques par apprentissage semi-supervisé, la découverte de traitements optimaux grâce à des démonstrations d'experts et le phénotypage non invasif des patients présentant des troubles du comportement. Avant de se joindre au MIT, elle a obtenu un baccalauréat en informatique et en génie électrique à l'Université d'État du Nouveau-Mexique et une maîtrise en génie biomédical à l'Université d'Oxford. Marzyeh siège au conseil d'administration de Women in Machine Learning (WiML) et a co-organisé l'atelier NIPS 2016/2017 sur l'apprentissage machine pour la santé, ainsi que le premier événement « Hacking Discrimination » du MIT. Elle se joindra à l'Université de Toronto à l'automne 2018 en tant que professeure adjointe aux départements d'informatique et de médecine.
Points saillants
- Nominé pour le prix du meilleur article étudiant 2017 au sommet AMIA sur l'informatique de la recherche clinique (CRI) pour « Prédiction du déclenchement des interventions en soins intensifs à l'aide de modèles d'espace d'état à commutation »
- Première place au concours MIT Accelerate de 100 000 $ (prix Daniel M. Lewin de 10 000 $), équipe étudiante de Kohana
- Première place au MIT Sloan-ILP Innovators Showcase 2013, équipe étudiante Sana AudioPulse
- Boursier Marshall américain 2008
Anna Goldenberg
Date de début : Automne 2017
Anna est chercheuse au sein du programme de génétique et de biologie du génome de l'Institut de recherche SickKids et professeure adjointe au département d'informatique de l'Université de Toronto (groupe de biologie computationnelle), avec une nomination conjointe au département de statistique. Ses recherches portent principalement sur le développement de méthodes d'apprentissage machine permettant de mieux comprendre l'hétérogénéité des maladies humaines, ce qui implique la combinaison de données provenant de sources multiples. Parmi ses travaux récents, on peut citer la prédiction de la nécessité d'une biopsie et d'une résection de la thyroïde, ainsi que l'âge d'apparition du cancer chez les enfants atteints d'un syndrome de prédisposition au cancer. Anna a suivi une formation en apprentissage machine à l'Université Carnegie Mellon, avec un stage postdoctoral axé sur la biologie computationnelle. Le laboratoire Goldenberg collabore avec des cliniciens afin d'assurer la pertinence clinique des travaux. Anna est également membre du groupe Développement de l'enfant et du cerveau du CIFAR et membre du comité de gestion scientifique du Centre de médecine computationnelle de SickKids.
Points saillants
- Prix du Département d'informatique pour un mentorat exceptionnel et un engagement remarquable envers le recrutement des étudiants des cycles supérieurs, Université de Toronto
- Prix du jeune chercheur du ministère de la Recherche et de l'Innovation
Alireza Makhzani
Date de début : janvier 2018
Alireza a soutenu sa thèse de doctorat en génie électrique et informatique à l'Université de Toronto en 2017, où il était étudiant sous la direction de Brendan Frey et membre du groupe d'apprentissage automatique. Ses intérêts en apprentissage machine sont vastes. Ses recherches les plus récentes portent sur les modèles génératifs et leurs applications en apprentissage semi-supervisé, les réseaux de neurones capables d'apprendre des représentations parcimonieuses de données et les algorithmes d'apprentissage par renforcement profond. Durant son doctorat, il a fait des stages au sein de l'équipe Google Brain en 2015, où il a travaillé sur des modèles génératifs d'images, et chez Google DeepMind en 2016, où il a participé au développement d'algorithmes d'apprentissage par renforcement profond pour le jeu StarCraft II. Alireza a obtenu sa maîtrise à l'Université de Toronto en 2012 et son baccalauréat à l'Université de technologie Amirkabir (Polytechnique de Téhéran) en Iran en 2010. Il se joindra à l'Institut Vector à temps plein en janvier 2018.
Sageev Oore
Date de début : février 2018
Après avoir obtenu son baccalauréat en mathématiques à l'Université Dalhousie à Halifax, Sageev a poursuivi ses études à l'Université de Toronto où il a obtenu sa maîtrise et son doctorat en informatique sous la direction de Geoffrey Hinton et Demetri Terzopoulos. Ses recherches portent sur les modèles génératifs probabilistes, l'apprentissage machine et les architectures d'apprentissage profond, avec un intérêt particulier pour les applications créatives, notamment l'apprentissage automatique de la génération musicale. Pianiste, Sageev a joué avec l'Orchestre symphonique de la Nouvelle-Écosse et a été membre de Gypsophilia, un groupe de jazz et de musiques du monde récompensé à plusieurs reprises par l'East Coast Music Association. Avec son frère Dani Oore et en collaboration avec Radio-Canada, il a coproduit un album instrumental en duo, « Radical Cycle ». Depuis 2016, Sageev est chercheur invité chez Google Brain, au sein de l'équipe Magenta. Il se joindra à l'Institut Vector et à l'Université Dalhousie en 2018.
Pascal Poupart
Date de début : janvier 2018
Pascal est professeur à l'École d'informatique David R. Cheriton de l'Université de Waterloo. Ses recherches portent sur l'apprentissage machine et la planification décisionnelle, avec des applications au traitement automatique du langage naturel, à l'analyse sportive, aux réseaux de télécommunications et aux technologies d'assistance. Il est surtout reconnu pour ses contributions aux algorithmes de prise de décision et à leurs applications concrètes, notamment l'aide aux personnes atteintes de démence dans leurs activités quotidiennes et les systèmes de dialogue automatisés. Pascal dirige aussi des recherches sur les chatbots, l'analyse vidéo des matchs de hockey et la gestion des réseaux de télécommunications par les données. Il a obtenu son doctorat en informatique à l'Université de Toronto, sa maîtrise à l'Université de la Colombie-Britannique et son baccalauréat à l'Université McGill. Pascal est conseiller scientifique pour Huawei, ElementAI, TalkIQ et ProNavigator. Parmi ses collaborateurs de recherche figurent également Google, Intel, Kik Interactive, In the Chat, Slyce, HockeyTech, l'Association Alzheimer, l'Institut de recherche sur le vieillissement UW-Schlegel, le Centre des sciences de la santé Sunnybrook et l'Institut de réadaptation de Toronto.
Points forts :
- Bourse de recherche David R. Cheriton (2015-2018)
- Finaliste du prix du meilleur article étudiant (SAT-2017)
- Meilleur solveur de piste principale et meilleur solveur d'application (Concours SAT-2016)
- Finaliste pour le prix du meilleur article (UAI-2008)
- Prix ontarien pour les jeunes chercheurs (2008-2013)
Frank Rudzicz
Date de début : Automne 2017
Frank Rudzicz est chercheur à l'Institut de réadaptation de Toronto (UHN), où il applique le traitement automatique du langage naturel et l'apprentissage automatique à diverses tâches dans le domaine de la santé, notamment la détection de la démence à partir de la parole. Il a obtenu son doctorat au Département d'informatique de l'Université de Toronto et sa maîtrise en génie électrique et informatique de l'Université McGill. Frank est aussi cofondateur et président de WinterLight Labs. Professeur adjoint à l'Université de Toronto, il enseigne le traitement automatique du langage naturel et l'intelligence artificielle en médecine clinique.
Points saillants
- Lauréat du prix Jeune chercheur du ministère de la Recherche, de l'Innovation et des Sciences de l'Ontario
- Lauréate du prix d'excellence en recherche appliquée de l'Association nationale d'orthophonie et d'audiologie du Canada
- Président du groupe d'intérêt conjoint de l'Association for Computational Linguistics (ACL) et de l'International Speech Communication Association (ISCA), depuis 2015
- Membre du Collège des examinateurs des IRSC
- Il a été mentionné dans The Telegraph, Globe & Mail, Wired, Maclean's, Space, CTV News, CBC News, Toronto Star, National Post et Scientific American.
