Vector attire les chercheurs en IA et en apprentissage automatique les plus accomplis et les plus innovants au monde.
Notre communauté de recherche renommée réalise des percées dans le domaine de la science et de l'application de l'IA. Qu'il s'agisse d'utiliser l'informatique quantique pour lutter contre le changement climatique, de développer de nouveaux modèles d'apprentissage automatique pour les applications 3D, d'exploiter l'IA pour améliorer la prévision des prix des denrées alimentaires, etc., les chercheurs de Vector découvrent de nouvelles façons d'appliquer l'IA pour obtenir de meilleurs résultats économiques, sanitaires et sociétaux.
Nos priorités stratégiques en matière de recherche
- Apprentissage automatique
- Apprentissage profond
- L'IA au service de la science
- Une IA digne de confiance
- L'IA au service de la santé
- Modèles de fondation
Vector poursuit son objectif de devenir l'un des dix premiers centres mondiaux de recherche sur l'IA en attirant les chercheurs les plus accomplis, les plus ambitieux et les plus novateurs du monde, qui sont à l'origine de nouvelles réalisations dans un large éventail de domaines liés à l'IA et à l'apprentissage automatique.
860 Membres de la communauté de recherche Vector, dont
Notre équipe de recherche en pleine expansion
Ce qui n'était autrefois que quelques professeurs fondateurs a évolué au cours des cinq dernières années pour devenir une communauté florissante comprenant plus de 700 chercheurs qui repoussent les limites de l'IA, de l'apprentissage automatique et de l'apprentissage profond dans des domaines critiques au profit des Ontariens, des Canadiens et des gens du monde entier.
Nous stimulons cette croissance en déployant des efforts nouveaux et accrus pour attirer et développer une communauté exceptionnelle.
- Favoriser la collaboration entre l'industrie et le monde universitaire afin d'établir un lien entre la recherche de pointe et les applications de l'IA.
- multiplier les possibilités pour les chercheurs de travailler avec des sponsors de l'industrie et des partenaires du secteur de la santé sur des problèmes concrets et des ensembles de données inédits.
- Élargir l'accès aux événements axés sur la recherche et les applications et accroître l'accès aux stages.
Recherche publiée
Dans le cadre de dizaines de projets et de thèmes de travail d'actualité, pertinents à l'échelle mondiale et ayant un impact, ces chercheurs trouvent de nouvelles façons d'appliquer l'IA pour améliorer l'économie, la santé et les résultats sociétaux.
Dernières nouvelles de la recherche
Donner du pouvoir aux voyageurs aériens : Un chatbot pour les droits des passagers aériens canadiens
Les chercheurs de l'Institut Vecteur se réunissent à nouveau pour la deuxième édition de l'atelier sur la confidentialité et la sécurité de l'apprentissage automatique (Machine Learning Privacy and Security Workshop)
Wenhu Chen, chercheur en sciences vectorielles, sur l'amélioration et l'étalonnage des modèles de fondation
Les chercheurs de Vector présentent leurs travaux à ACL 2024
AtomGen : Rationalisation de la modélisation atomistique par l'intégration d'ensembles de données et de points de référence
Les chercheurs de Vector ont présenté plus de 50 articles à l'ICML 2024
Recherche en matière de santé
Améliorer les résultats en matière de santé pour tous
Vector contribue à améliorer les résultats en matière de santé de la population en créant un écosystème d'IA qui favorise l'innovation, permet de mieux collecter et analyser les données, de relever les défis en matière de personnel, de réduire les temps d'attente et d'améliorer la vie des patients et les soins qui leur sont prodigués.
Voir les conférences antérieures de la série Vector Distinguished Lectures
Le Vector Distinguished Lecture Series de l'Institut Vecteur est une série de conférences publiques destinées aux scientifiques des données universitaires et industriels de la région du Grand Toronto pour discuter de sujets avancés liés à l'apprentissage automatique.
Cette série reprendra en septembre 2024.
Promesses et pièges des données publiques dans les ML privées
Gautam Kamath, membre de la faculté Vector
Trajectoires troublantes pour la quantification de l'incertitude et la prise de décision avec les réseaux neuronaux
Geoff Pleiss, membre de la faculté Vector
Construire un écosystème, pas un monolithe
Colin Raffel, membre de la faculté Vector
Les réseaux neuronaux graphiques rencontrent la théorie des graphes spectraux : Une étude de cas
Renjie Liao, membre de la faculté des sciences vectorielles
Théorie des matrices aléatoires pour l'optimisation en haute dimension et application aux lois d'échelle
Elliot Paquette, professeur associé à l'Université McGill
L'IA accélère la compréhension scientifique : Opérateurs neuronaux pour l'apprentissage sur des espaces de fonctions
Anima Anandkumar, professeur Bren à Caltech
Se tenir au courant des dernières tendances et recherches en matière d'IA
Recevez les dernières nouvelles, avancées et événements en matière d'IA directement dans votre boîte de réception. Inscrivez-vous à notre lettre d'information mensuelle.