Communiqué de presse : L'Institut Vecteur double son équipe de professeurs d'IA de classe mondiale
31 octobre 2017
31 octobre 2017
TORONTO 31 octobre 2017 - L'Institut Vecteur a annoncé aujourd'hui que dix nouveaux membres du corps professoral se joindront à son équipe de chercheurs de premier plan en apprentissage machine, en apprentissage profond et, plus largement, en intelligence artificielle (IA).
Issus d'institutions et de laboratoires canadiens et internationaux, les nouveaux professeurs de Vector feront partie d'une communauté dynamique de résolveurs de problèmes novateurs, travaillant dans plusieurs disciplines sur des recherches appliquées et axées sur la curiosité. Ils apportent leur expertise dans des domaines tels que l'apprentissage profond, l'apprentissage automatique, le traitement du langage naturel, la vision artificielle, la recherche en informatique quantique, les soins de santé et même la musique.
Lancé au début de l'année à Toronto, Vector est rapidement devenu une destination pour les meilleurs talents de l'IA qui recherchent des possibilités de collaboration avec leurs pairs et la flexibilité de mener des recherches pures ou appliquées, d'enseigner aux étudiants, de travailler avec l'industrie ou de lancer une nouvelle entreprise en phase de démarrage. La structure unique de Vector, qui fait le lien entre le monde universitaire, l'industrie et les institutions, offre également aux chercheurs la possibilité de travailler avec des ensembles de données existants pour résoudre des problèmes concrets.
Les nouveaux membres du corps professoral annoncés aujourd'hui s'ajouteront à l'équipe de chercheurs de calibre mondial qui ont contribué au lancement de l'Institut Vecteur. Ils renforceront les bases de la réalisation de la vision de VECTOR, qui est de favoriser l'excellence et le leadership dans la connaissance, la création et l'utilisation de l'IA au Canada afin de stimuler la croissance économique et d'améliorer la vie des Canadiens et des Canadiennes. En janvier, Vector accueillera également son premier président-directeur général, Garth Gibson.
Richard Zemel, directeur de recherche à l'Institut Vecteur :
"Ici, au Canada, et en particulier à Toronto, nous avons une solide histoire de recherche en apprentissage automatique et en apprentissage profond. Avec l'Institut Vecteur, nous misons sur ces forces et saisissons le moment où les meilleurs talents et les entreprises veulent venir au Canada pour faire progresser l'intelligence artificielle. En tant que directeur de la recherche, ma principale priorité depuis le lancement de Vector a été et continue d'être de constituer une équipe talentueuse et collaborative. Je suis ravi que ces personnes se joignent à une équipe diversifiée et grandissante de professeurs déterminés à faire de Vector un chef de file mondial dans le domaine de l'intelligence artificielle.
Geoffrey Hinton, conseiller scientifique en chef de l'Institut Vecteur :
"De plus en plus, les chercheurs les plus prometteurs du monde dans le domaine de l'apprentissage profond et d'autres sous-domaines de l'IA considèrent le Canada comme une plaque tournante offrant de nombreuses possibilités de collaboration, d'avancement de la recherche et de développement d'applications. Vector est un pilier de l'écosystème canadien de l'IA et je suis très heureux 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'éducation et de 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 chef de file du Canada dans ce domaine. Nous avons lancé la Stratégie pancanadienne en matière d'IA afin d'attirer les meilleurs talents universitaires et d'augmenter le nombre de diplômés et de chercheurs qui étudient l'intelligence artificielle et l'apprentissage profond au Canada. Les travaux de grande qualité de l'Institut Vecteur sont exactement ce dont nous avons besoin pour continuer à renforcer la réputation mondiale du Canada en tant que leader de pointe dans la recherche sur l'IA. L'annonce d'aujourd'hui ne fait pas exception aux progrès remarquables que l'Institut Vecteur continue de réaliser."
Alan Bernstein, président-directeur général du CIFAR, qui dirige la stratégie pancanadienne en matière d'IA :
"Je félicite l'Institut Vecteur pour la nomination de ce groupe impressionnant de chercheurs. Vector est l'une des pierres angulaires de nos efforts visant à renforcer l'avance du Canada en matière de recherche sur l'intelligence artificielle, et nous sommes heureux de constater les progrès qu'il accomplit".
Reza Moridi, ministre ontarien de la recherche, de l'innovation et des sciences :
"Nous félicitons la nouvelle faculté de Vector de se joindre à une communauté croissante de grands talents de l'IA ici en Ontario. L'investissement de la province dans Vector contribue à la croissance de l'écosystème de l'IA et au développement de notre économie de l'innovation et de la connaissance. Il offrira des opportunités clés à l'industrie, aux start-ups et à une main-d'œuvre hautement qualifiée en pleine croissance."
À propos de l'Institut Vecteur
Pour plus d'informations, visitez le site vectorintitute.ai ou envoyez un courriel à media@vectorinstitute.ai.
Date de début : Août 2018
Parmi ses nombreuses réalisations, Jimmy a développé l'Adam Optimizer, l'un des algorithmes les plus utilisés pour former des modèles d'apprentissage profond. Jimmy a obtenu son diplôme de premier cycle, 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 neuronaux 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 universitaires dans le concours de génération de légendes d'images à la CVPR. Il passera un an au MIT en tant que chercheur postdoctoral et rejoindra l'Université de Toronto en tant que professeur adjoint au département d'informatique en 2018.
Points forts
Date de début : Décembre 2017
Les recherches 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 les simulations Monte Carlo quantiques et les techniques d'apprentissage automatique pour analyser le comportement collectif des systèmes quantiques à plusieurs corps. Les applications de ces idées comprennent l'identification des phases de la matière dans les simulations numériques et les expériences, ainsi que la validation des dispositifs quantiques à court terme et des simulations quantiques des 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 de Penn State et de chercheur postdoctoral à l'institut Perimeter. Dernièrement, Juan était chercheur chez D-Wave Systems Inc. à Burnaby, en Colombie-Britannique, et il rejoindra l'Institut Vecteur à plein temps cet hiver.
Points forts
Date de début : Juillet 2018
Avec une formation en ingénierie, Murat s'intéresse vivement à l'application de la théorie pour résoudre les problèmes du monde réel. Il s'intéresse principalement à la conception d'algorithmes d'optimisation pour les modèles d'apprentissage automatique. En utilisant des algorithmes efficaces, le temps d'apprentissage des modèles peut être considérablement réduit, ce qui permet 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 autopilotées. Murat a obtenu son doctorat au département des statistiques de l'université de Stanford. Il est titulaire d'un master en informatique de Stanford et d'une licence en génie électrique et en mathématiques de l'université Bogazici en Turquie. Murat est actuellement chercheur postdoctoral à Microsoft Research - New England. Il rejoindra les départements d'informatique et de sciences statistiques de l'Université de Toronto en 2018. Murat publie régulièrement à la conférence NIPS sur l'apprentissage automatique, qui est la plus cotée, et a publié des articles dans les revues Annals of Statistics et JMLR.
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 façon dont nous pouvons développer des machines dotées de capacités visuelles similaires ou supérieures. Les travaux qu'il a publiés comprennent des méthodes de mesure du mouvement et de suivi d'objets dans des séquences d'images, l'estimation de la pose et du mouvement humain à partir de vidéos, la récupération d'images à grande échelle, des modèles de vision stéréo 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, David a travaillé dans les groupes Digital Video Analysis et Perceptual Document Analysis au Palo Alto Research Center, et en informatique à la Queen's University.
Points forts
Date de début : Juillet 2018
Marzyeh a obtenu son doctorat au MIT où ses recherches se sont concentrées sur l'apprentissage automatique dans les soins de santé, explorant comment prédire les besoins immédiats et à long terme des patients afin d'éclairer les décisions dans l'unité de soins intensifs et les soins ambulatoires. Ses recherches actuelles portent sur la prédiction des risques cliniques à l'aide de l'apprentissage semi-supervisé, la découverte de traitements optimaux à l'aide de démonstrations d'experts et le phénotypage non invasif des patients pour les troubles du comportement. Avant de rejoindre le MIT, elle a obtenu une licence 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 est membre du conseil d'administration de Women in Machine Learning (WiML) et a coorganisé l'atelier NIPS 2016/2017 sur l'apprentissage automatique pour la santé, ainsi que le premier événement Hacking Discrimination du MIT. Elle rejoindra l'Université de Toronto en tant que professeur adjoint dans les départements d'informatique et de médecine à l'automne 2018.
Points forts
Date de début : Automne 2017
Anna est scientifique au sein du programme de génétique et de biologie du génome du SickKids Research Institute et professeur adjoint au département d'informatique de l'université de Toronto (Computational Biology Group) avec une nomination croisée au département de statistiques. Ses recherches portent principalement sur le développement de méthodes d'apprentissage automatique qui peuvent aider à déchiffrer l'hétérogénéité des maladies humaines, ce qui implique de combiner des données provenant de sources multiples. Parmi les exemples de ses recherches récentes, citons la prédiction de la nécessité d'une biopsie et d'une résection de la thyroïde et de l'âge d'apparition du cancer chez les enfants atteints du syndrome de prédisposition au cancer. Anna a suivi une formation en apprentissage automatique à l'université Carnegie Mellon, avec une spécialisation postdoctorale en biologie informatique. Le laboratoire Goldenberg collabore avec des cliniciens pour s'assurer que les travaux sont pertinents pour 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 for Computational Medicine à SickKids.
Points forts
Date de début : Janvier 2018
Alireza a terminé 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 dans l'apprentissage automatique. Ses recherches les plus récentes portent sur les modèles génératifs et leurs applications dans l'apprentissage semi-supervisé, les réseaux neuronaux qui peuvent apprendre des représentations éparses des données, et les algorithmes d'apprentissage par renforcement profond. Pendant son doctorat, il a effectué un stage auprès de l'équipe Google Brain en 2015, où il a travaillé sur les modèles génératifs d'images, et auprès de Google DeepMind en 2016, où il a travaillé sur le 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 a reçu son baccalauréat de l'Université de technologie Amirkabir (Polytechnique de Téhéran) en Iran en 2010. Il rejoindra l'Institut Vecteur à temps plein en janvier 2018.
Date de début : Février 2018
Après avoir obtenu son diplôme de premier cycle 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 supervision de Geoffrey Hinton et de Demetri Terzopoulos. Les recherches de Sageev portent sur les modèles génératifs probabilistes, l'apprentissage automatique et les architectures d'apprentissage profond, avec un accent sur les applications créatives, notamment l'enseignement des modèles d'apprentissage automatique pour générer de la musique. En tant que pianiste, Sageev s'est produit avec Symphony Nova Scotia et en tant que membre de Gypsophilia, un groupe de jazz et de musique du monde qui a remporté plusieurs prix de l'East Coast Music Association. Avec son frère Dani Oore, et en collaboration avec CBC Radio, il a coproduit un CD instrumental en duo, "Radical Cycle". Depuis 2016, Sageev est chercheur invité chez Google Brain, au sein de l'équipe Magenta. Il rejoindra l'Institut Vecteur et 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 théorique des décisions, avec des applications au traitement du langage naturel, à l'analyse sportive, aux réseaux de télécommunication et aux technologies d'assistance. Il est surtout connu pour ses contributions aux algorithmes pour les processus de décision et leurs applications à des problèmes réels, notamment l'aide aux personnes atteintes de démence dans les activités de la vie quotidienne et les systèmes de dialogue automatisés. Pascal mène également des recherches sur les chatbots, l'analyse vidéo des matchs de hockey et la gestion des réseaux de télécommunication basée sur les données. Pascal a obtenu son doctorat en informatique à l'université de Toronto, sa maîtrise à l'université de Colombie-Britannique et son diplôme de premier cycle à l'université McGill. Pascal est conseiller scientifique pour Huawei, ElementAI, TalkIQ, ProNavigator et ses collaborateurs de recherche comprennent 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.
Faits marquants :
Date de début : Automne 2017
Frank Rudzicz est scientifique au Toronto Rehabilitation Institute-UHN où il applique le traitement du langage naturel et l'apprentissage automatique à diverses tâches dans le domaine des soins de santé, notamment la détection de la démence à partir de la parole. Frank a obtenu son doctorat au département d'informatique de l'université de Toronto et son master en ingénierie électrique et informatique à l'université McGill. Frank est également 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.
Points forts