31 octobre 2017
TORONTO, 31 octobre 2017 – L’Institut Vector a annoncé aujourd’hui que dix nouveaux membres du corps professoral se joindront à son équipe de chercheurs de premier plan en apprentissage automatique, apprentissage profond et intelligence artificielle (IA) plus largement.
Avec des parcours très diversifiés provenant d’institutions et laboratoires internationaux et canadiens, le nouveau corps professoral de Vector fera partie d’une communauté dynamique de résolveurs de problèmes innovants, travaillant entre disciplines sur la recherche à la fois par curiosité et appliquée. Ils apportent leur expertise dans des domaines tels que l’apprentissage profond, l’apprentissage automatique, le traitement du langage naturel, la vision par machine, la recherche en informatique quantique, les soins de santé et même la musique.
Lancé plus tôt cette année à Toronto, Vector est rapidement devenu une destination pour les meilleurs talents en IA cherchant des opportunités de collaboration avec leurs pairs et la flexibilité de mener de la recherche pure ou appliquée, d’enseigner aux étudiants, de collaborer avec l’industrie ou de lancer une nouvelle start-up. La structure unique de Vector, qui relie le milieu universitaire, l’industrie et les institutions, offre également aux chercheurs des occasions de travailler avec des ensembles de données existants pour résoudre des défis concrets.
Les nouveaux membres du corps professoral annoncés aujourd’hui s’appuieront sur une équipe de chercheurs de calibre mondial qui ont contribué au lancement de l’Institut Vector. Ils renforceront les bases pour réaliser la vision de Vector visant à promouvoir l’excellence et le leadership dans la connaissance, la création et l’utilisation de l’IA au Canada afin de favoriser la croissance économique et d’améliorer la vie des Canadiens. En janvier prochain, Vector accueillera également son premier président et chef de la direction, le Dr Garth Gibson.
Richard Zemel, directeur de la recherche pour le Vector Institute :
« Ici au Canada et particulièrement à Toronto, nous avons une solide histoire de recherche en apprentissage automatique et en apprentissage profond. Avec le Vector Institute, nous bâtons sur ces forces et saisissons un moment où les meilleurs talents et entreprises souhaitent venir au Canada pour faire progresser l’intelligence artificielle. En tant que directeur de la recherche, ma priorité numéro un depuis le lancement de Vector a été et demeure de bâtir une équipe talentueuse et collaborative. Je suis ravi que ces personnes rejoignent une équipe diversifiée et croissante de professeurs engagés à faire de Vector un leader mondial en IA. »
Geoffrey Hinton, conseiller scientifique en chef de l’Institut Vector :
« De plus en plus, les chercheurs les plus prometteurs au monde dans l’apprentissage profond et d’autres sous-domaines de l’IA considèrent le Canada comme un pôle offrant de nombreuses occasions de collaborer, de faire avancer la recherche et de développer des applications. Vector est un pilier de l’écosystème canadien de l’IA et je suis très enthousiaste que l’équipe s’agrandisse avec des talents très recherchés, dont certains avec qui j’ai eu le plaisir de travailler. Cette équipe favorisera l’excellence de Vector en recherche, éducation et collaboration avec l’industrie. »
Navdeep Bains, ministre de l’Innovation, des Sciences et du Développement économique :
« L’intelligence artificielle est un élément essentiel de l’économie mondiale d’aujourd’hui – notre gouvernement est prêt à soutenir le rôle de leader du Canada dans ce domaine. Nous avons lancé la Stratégie pancanadienne de l’IA afin d’attirer les meilleurs talents académiques et d’augmenter le nombre de diplômés et de chercheurs étudiant l’intelligence artificielle et l’apprentissage profond au Canada. Le travail de grande qualité de l’Institut Vector est exactement ce dont nous avons besoin pour continuer à faire grandir la réputation mondiale du Canada en tant que leader de pointe en recherche en IA. L’annonce d’aujourd’hui ne fait pas exception aux progrès remarquables que l’Institut Vector continue de réaliser. »
Dr Alan Bernstein, président et chef de la direction du CIFAR, qui dirige la stratégie pancanadienne sur l’IA :
« Je félicite l’Institut Vector pour avoir nommé ce groupe impressionnant de chercheurs. Vector est l’un des piliers de nos efforts pour s’appuyer sur l’avance du Canada en recherche en intelligence artificielle, et nous sommes heureux de voir les progrès réalisés. »
Reza Moridi, ministre de la Recherche, de l’Innovation et des Sciences de l’Ontario :
« Nous félicitons le nouveau corps professoral de Vector pour avoir rejoint une communauté grandissante de talents en IA ici en Ontario. L’investissement de cette province dans Vector contribue à développer l’écosystème de l’IA et à renforcer notre économie d’innovation du savoir. Cela offrira des opportunités clés pour l’industrie, les start-ups et une main-d’œuvre hautement qualifiée en croissance. »
Pour plus d’informations, visitez vectorintitute.ai ou envoyez un courriel media@vectorinstitute.ai
Date de début : août 2018
Parmi ses nombreuses réalisations, Jimmy a développé l’Adam Optimizer, l’un des algorithmes de référence pour entraîner des modèles d’apprentissage profond. Jimmy a complété son baccalauréat, sa maîtrise et son doctorat à l’Université de Toronto sous la supervision de Geoffrey Hinton, Brendan Frey et Ruslan Salakhutdinov. Les recherches de Jimmy portent sur le développement d’algorithmes d’apprentissage pour les réseaux de neurones profonds. Il a été le deuxième étudiant d’une institution canadienne à remporter une bourse de doctorat Facebook et, en 2015, son équipe a obtenu la meilleure place parmi les laboratoires académiques lors du concours de génération de légendes d’images au CVPR. Il passera un an au MIT comme chercheur postdoctoral et rejoindra l’Université de Toronto comme professeur adjoint au département d’informatique en 2018.
Faits marquants
Date de début : décembre 2017
Les intérêts de recherche de Juan se situent à l’intersection de la physique de la matière condensée, de l’informatique quantique et de l’apprentissage automatique. Juan combine des simulations quantiques de Monte Carlo et des techniques d’apprentissage automatique pour analyser le comportement collectif des systèmes quantiques à plusieurs corps. Les applications de ces idées incluent l’identification des phases de la matière dans des simulations numériques et des expériences, ainsi que la validation de dispositifs quantiques à court terme et de 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. Depuis, il a occupé des postes de chercheur postdoctoral à l’Université de Georgetown, chercheur invité à l’Université Penn State, et chercheur postdoctoral à l’Institut Perimeter. Plus récemment, Juan a été chercheur chez D-Wave Systems Inc. à Burnaby, en Colombie-Britannique, et se joindra à temps plein à l’Institut Vector cet hiver.
Faits marquants
Date de début : juillet 2018
Avec une formation en génie, Murat a un vif intérêt pour l’application de la théorie à la résolution de problèmes réels. Son principal intérêt porte sur la conception d’algorithmes d’optimisation pour des modèles d’apprentissage automatique. Grâce à des algorithmes efficaces, le temps d’entraînement du modèle peut être considérablement réduit, permettant aux chercheurs de tester et de sélectionner efficacement le meilleur modèle pour le problème en question, qu’il s’agisse de systèmes de recommandation ou de voitures autonomes. Murat a complété son doctorat au département de statistiques de l’Université Stanford. Il détient une maîtrise en informatique de Stanford et un baccalauréat en génie électrique et mathématiques de l’Université Bogazici en Turquie. Murat est actuellement chercheur postdoctoral chez Microsoft Research – Nouvelle-Angleterre. Il rejoindra les départements d’informatique et de sciences statistiques de l’Université de Toronto en 2018. Murat publie régulièrement lors de la conférence d’apprentissage automatique de premier plan noté NIPS, et publie des articles dans les Annals of Statistics et le JMLR.
Date de début : automne 2017
Les intérêts de recherche de David couvrent 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, ainsi qu’à la façon dont nous pouvons développer des machines avec des capacités visuelles similaires ou supérieures. Ses travaux publiés incluent des méthodes de mesure du mouvement et de suivi d’objets dans des séquences d’images, l’estimation de la pose et du mouvement humains à partir de vidéo, la récupération d’images à grande échelle, des modèles de vision stéréoscopique biologique, ainsi que des articles récents sur la cryomicroscopie électronique. David est professeur au département d’informatique de l’Université de Toronto et au département des sciences informatiques et mathématiques de l’Université de Toronto à Scarborough. Auparavant, David a travaillé dans les groupes d’analyse vidéo numérique et d’analyse de documents perceptuels au Palo Alto Research Center, ainsi qu’en informatique à l’Université Queen’s.
Faits marquants
Date de début : juillet 2018
Marzyeh a complété son doctorat au MIT, où ses recherches portaient sur l’apprentissage automatique en soins de santé, explorant comment prédire les besoins immédiats et à long terme des patients pour éclairer les décisions en unité de soins intensifs et en soins ambulatoires. Ses intérêts de recherche actuels incluent la prédiction clinique des risques avec apprentissage semi-supervisé, la découverte optimale de traitements grâce à des démonstrations d’experts, et le phénotypage non invasif des patients pour les troubles comportementaux. Avant le MIT, elle a obtenu un baccalauréat en informatique et en génie électrique à la New Mexico State University ainsi qu’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 automatique pour la santé, ainsi que le premier événement du MIT sur la discrimination dans le piratage. Elle se joindra à l’Université de Toronto comme professeure adjointe dans les départements d’informatique et de médecine à l’automne 2018.
Faits marquants
Date de début : automne 2017
Anna est scientifique dans le programme de génétique et biologie du génome à l’Institut de recherche SickKids et professeure adjointe au département d’informatique de l’Université de Toronto (groupe de biologie computationnelle), avec une nomination croisée au département de statistiques. Son principal objectif de recherche est de développer des méthodes d’apprentissage automatique pouvant aider à déchiffrer l’hétérogénéité des maladies humaines, ce qui implique de combiner des données provenant de plusieurs sources. Parmi ses recherches récentes, on compte la prédiction de la nécessité d’une biopsie et d’une résection thyroïdiennes, ainsi que l’âge d’apparition du cancer chez les enfants atteints du syndrome de prédisposition au cancer. Anna s’est formée en apprentissage automatique à l’Université Carnegie Mellon, avec un postdoctorat en biologie computationnelle. Le laboratoire Goldenberg collabore avec les cliniciens pour s’assurer que le travail est pertinent dans la clinique. Anna est également membre du groupe CIFAR sur le développement de l’enfant et du cerveau et membre du comité de gestion scientifique du Centre de médecine computationnelle de SickKids.
Faits marquants
Date de début : janvier 2018
Alireza a complété son doctorat en génie électrique et informatique à l’Université de Toronto en 2017, où il était étudiant sous la direction de Brendan Frey et faisait partie du groupe d’apprentissage automatique. Il a un large éventail d’intérêts en apprentissage automatique. Ses recherches les plus récentes portent sur les modèles génératifs et leurs applications dans l’apprentissage semi-supervisé, les réseaux de neurones capables d’apprendre des représentations clairsemées de données, ainsi que les algorithmes d’apprentissage par renforcement profond. Pendant son doctorat, il a fait un stage auprès de l’équipe Google Brain en 2015, où il a travaillé sur des modèles génératifs d’images, et de Google DeepMind en 2016, où il a développé des algorithmes d’apprentissage par renforcement profond pour le jeu StarCraft II. Alireza a complété sa maîtrise à l’Université de Toronto en 2012 et a obtenu son baccalauréat à l’Université de technologie Amirkabir (polytechnique de Téhéran) en Iran en 2010. Il se joindra à temps plein à l’Institut Vector en janvier 2018.
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 complété sa maîtrise et son doctorat en informatique sous la direction de Geoffrey Hinton et Demetri Terzopoulos. Les intérêts de recherche de Sageev incluent les modèles génératifs probabilistes ainsi que les architectures d’apprentissage automatique et d’apprentissage profond, avec un accent particulier sur les applications créatives, notamment l’enseignement des modèles d’apprentissage automatique pour générer de la musique. En tant que pianiste, Sageev a joué avec Symphony Nova Scotia et en tant que membre de Gypsophilia, un groupe de jazz/musique du monde qui a remporté plusieurs prix de la East Coast Music Association. Avec son frère Dani Oore, et avec CBC Radio, il a coproduit un album instrumental en duo, « Radical Cycle ». Depuis 2016, Sageev est chercheur invité chez Google Brain, travaillant au sein de l’équipe Magenta. Il se joindra à l’Institut Vector et à l’Université Dalhousie en 2018.
Date de début : janvier 2018
Pascal est professeur à la David R. Cheriton School of Computer Science de l’Université de Waterloo. Ses recherches portent sur l’apprentissage automatique et la planification en théorie de la décision, avec application au traitement du langage naturel, à l’analyse sportive, aux réseaux de télécommunications et aux technologies d’assistance. Il est surtout connu pour ses contributions aux algorithmes des processus décisionnels et à leurs applications dans des problèmes réels, notamment pour aider les personnes atteintes de démence dans les activités quotidiennes et les systèmes de dialogue automatisés. Pascal dirige également la recherche sur les chatbots, l’analyse vidéo des matchs de hockey et la gestion basée sur les données des réseaux de télécommunications. Pascal a complété 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 agit comme conseiller scientifique pour Huawei, ElementAI, TalkIQ, ProNavigator et ses collaborateurs de recherche incluent également Google, Intel, Kik Interactive, In the Chat, Slyce, HockeyTech, l’Association Alzheimer, l’Institut de recherche UW-Schlegel pour le vieillissement, le Sunnybrook Health Science Centre et l’Institut de réadaptation de Toronto.
Faits marquants :
Date de début : automne 2017
Frank Rudzicz est scientifique à l’Institut de réadaptation de Toronto-UHN, où il applique le traitement du langage naturel et l’apprentissage automatique à diverses tâches en soins de santé, notamment pour détecter la démence à partir de la parole. Frank a complété 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. En tant que professeur adjoint (statut) à l’Université de Toronto, il enseigne le traitement du langage naturel et l’intelligence artificielle en médecine clinique.
Faits marquants
