Ancien : Chercheur post-doctoral Vector (2018-2020)

Qu'avez-vous le plus apprécié pendant votre séjour chez Vector ? La liberté d'explorer les directions de recherche qui me passionnaient le plus avec l'équipe de professeurs et d'étudiants la plus dévouée et la plus merveilleuse avec laquelle j'ai collaboré restera longtemps gravée dans ma mémoire !

Qu'est-ce qui vous enthousiasme le plus dans l'avenir de l'IA ? Si elle est bien menée, l'IA a un fort potentiel d'amélioration de l'accès aux soins de santé et des personnes mal desservies, ce qui est tout à fait passionnant !

Ancien : Vector Postgraduate Affiliate (2017-2020)

Quel a été l'impact de votre passage chez Vector sur votre carrière ? La possibilité d'interagir et de collaborer avec différentes personnes chez Vector a contribué à façonner ma façon d'aborder et de penser les problèmes. Cela a eu une influence positive à long terme sur ma carrière.

En quoi vos recherches font-elles la différence ? Nous constatons que 90 % des modèles d'apprentissage automatique ne sont pas déployés dans des produits réels. La raison en est généralement liée à des considérations de sécurité des modèles telles que la robustesse, l'équité, la fiabilité à long terme, etc. Mes travaux sur la recherche en matière de sécurité des modèles visent à résoudre ce problème.

Ancien : Vector Postgraduate Affiliate (2017-2018)

Qu'avez-vous le plus apprécié lors de votre séjour à Vector ? J'ai aimé participer aux conférences du vendredi. Les groupes de lecture ont également été un excellent moyen de communiquer et de collaborer avec des chercheurs partageant les mêmes idées. Vector est la plaque tournante de l'apprentissage automatique à Toronto et le fait de pouvoir rester en contact avec les meilleurs scientifiques de l'apprentissage automatique a été un énorme avantage.

Y a-t-il des réalisations récentes que vous aimeriez partager avec nous ? Un article récent publié dans le Journal of the ACM sur l'apprentissage robuste/agnostique de modèles de mélange de gaussiens utilisant la compression (avec Shai Ben-David, Nick Harvey, Chris Liaw, Abbas Mehrabian, et Yaniv Plan). J'espère que ce travail aidera à démêler les liens profonds entre l'apprentissage et la compression en général.

Ancien : Récipiendaire de la bourse Vector en intelligence artificielle (2018-19)
Maîtrise en informatique, Université de Toronto

Quel a été l'impact de votre séjour chez Vector sur votre carrière ? Pendant mon séjour chez Vector, j'ai découvert des domaines nouveaux et différents de l'IA, grâce aux excellents chercheurs et aux conférences auxquelles j'ai pu assister. Ce que j'ai appris sur l'apprentissage automatique chez Vector est directement lié à mon travail actuel et Vector a joué un rôle essentiel dans ma carrière.

En quoi votre travail fait-il la différence ? Je contribue à des outils qui identifient les joyaux cachés parmi les entreprises, afin que nous puissions les soutenir avec des financements et des opportunités de croissance, tout en veillant à ce que nos évaluations ne soient pas biaisées.

Pour en savoir plus sur ce sur quoi je travaille, consultez mon exposé intitulé "Incorporer l'explicabilité aux flux de travail des utilisateurs" ici.

Ancien : Boursier post-doctoral Vector (2019)

Quel a été l'impact de votre passage chez Vector sur votre carrière ? Le fait d'avoir une expérience intégrée dans l'informatique m'a mieux préparé à relever les défis éthiques liés à l'utilisation de l'IA dans le domaine de la santé. En tant qu'éthicien médical (bioéthicien), je n'ai pas besoin de tout comprendre de la médecine, mais je dois en savoir suffisamment pour comprendre les avantages, les risques et les conséquences possibles. C'est la même chose avec l'IA, et il est très utile de se tenir au courant de la technologie. De plus, les relations que j'ai nouées chez Vector sont les mêmes que celles avec lesquelles je continue de travailler aujourd'hui.

Comment votre recherche fait-elle la différence ? Notre projet de recherche sur l'explicabilité des outils de ML au point de soins est utilisé pour guider les décisions relatives à la recherche et à la traduction des outils à SickKids. Mon travail sur les préjugés est actuellement utilisé dans le cadre de notre processus d'évaluation avec le comité d'éthique de la recherche. Nos modèles fournissent des conseils et des suggestions aux chercheurs pour les aider à interroger et à quantifier les biais dans leur recherche.

Ancien : Récipiendaire de la bourse Vector en intelligence artificielle (2018-19)
Maîtrise en gestion de l'intelligence artificielle, Université Queen's (Smith School of Business)

Qu'avez-vous le plus apprécié en tant que récipiendaire d'une bourse d'études Vector en IA ? L'écosystème Vector est un environnement très motivant. Ce qui m'a le plus plu dans l'obtention de cette bourse, c'est la possibilité d'être en contact avec tant d'autres personnes qui ont non seulement une vision de la façon dont l'IA peut être poussée vers de nouveaux sommets, mais aussi la volonté, la curiosité et les compétences nécessaires pour concrétiser ces visions.

Sur quoi travaillez-vous actuellement ? Je suis consultant principal chez KPMG Canada et scientifique des données chez KPMG Lighthouse. KPMG est l'un des quatre grands cabinets de conseil internationaux, et Lighthouse est notre centre d'excellence mondial pour l'apprentissage automatique, l'IA et les technologies émergentes. Je fais partie du côté plus technique de l'équipe et je passe la plupart de mes journées à réfléchir sur les données et les algorithmes, bien que j'aime aussi contribuer occasionnellement à des projets axés sur la stratégie, l'évaluation des risques ou l'éthique.

Pour en savoir plus sur ma transition vers le conseil en IA, consultez mon exposé "Transitioning from Research to AI Consulting at KPMG Lighthouse" ici.