Sciences pures; Sciences appliquées; Sciences naturelles et génie; Génie; Technologies de l’information et des communications
Yoshua Bengio
Algorithmes d'apprentissages et intelligence artificielle
- Professeur titulaire
-
Faculté des arts et des sciences - Département d'informatique et de recherche opérationnelle
André-Aisenstadt, local 3243
Autre courriel :
bengioy@iro.umontreal.ca
(Travail)
Médias
Portrait
Expertise de recherche
Mon but à long terme est de comprendre l'intelligence; comprendre ses principes sous-jacents nous donnerait accès à l'intelligence artificielle (IA), et je crois que les algorithmes d'apprentissage sont essentiels dans cette quête. Les algorithmes d'apprentissage pourraient donner aux ordinateurs la capacité de capter des connaissances opérationnelles (pas nécessairement sous forme symbolique/verbale) à partir d'exemples. Une machine ayant appris de telles connaissances pourrait ainsi faire des prédictions ou des classifications correctes sur de nouveaux cas, généraliser à de nouvelles situations. La recherche dans ce domaine a été couronnée de nombreux succès au cours des trois dernières décades, et elle est maintenant appliquée dans de nombreux domaines de la science et de la technologie.
Parmi les applications les plus connues on inclut les engins de recherche, le traitement du langage naturel, la traduction automatique, la reconnaissance de la parole, la vision par ordinateur, et la fouille de données. Mes recherches à long terme portent sur l'apprentissage de représentations, afin de dépasser des limites théoriques et pratiques des algorithmes (linéaires ou à noyau) qui ont dominé l'apprentissage machine jusqu'à récemment. Pour contourner ces limitations, une nouvelle approche appelée apprentissage profond a été développée ici et dans quelques laboratoires depuis 2006 et a connu des succès fracassants au cours des dernières années.
Biographie
Reconnu comme l’une des sommités mondiales en intelligence artificielle, Yoshua Bengio s’est surtout distingué par son rôle de pionnier en apprentissage profond, ce qui lui a valu le Prix A.M. Turing 2018, le « prix Nobel de l’informatique », avec Geoffrey Hinton et Yann LeCun.
Il est professeur titulaire à l’Université de Montréal, fondateur et directeur scientifique de Mila – Institut québécois d’IA, et codirige le programme Apprentissage automatique, apprentissage biologique de CIFAR en tant que Senior Fellow. Il occupe également la fonction de directeur scientifique d’IVADO.
En 2018, il est l’informaticien ayant recueilli le plus grand nombre de nouvelles citations au monde. En 2019, il se voit décerner le prestigieux prix Killam. Il est Fellow de la Royal Society de Londres et du Société Royale du Canada, et Officier de l’Ordre du Canada.
Préoccupé par l’impact social de l’IA et l’objectif que l’IA bénéficie à tous, il a activement contribué à la Déclaration de Montréal pour le développement responsable de l’intelligence artificielle.
Prix et distinctions
- Colauréat du prix A. M. Turing - 2018
- Lauréat du prix Killam en Sciences naturelles 2019
- Prix d’excellence du Fonds de recherche du Québec ‒ Nature et technologies (FRQNT) - 2019
- Fellow de la Société royale de Londres - 2020
- Fellow de la Société royale du Canada - 2017
- Prix Marie-Victorin (Sciences naturelles et génie) - 2017
- Officier de l’Ordre du Canada - 2017
- IEEE CIS Neural Networks Pioneer Award - 2019
- Prix Urgel-Archambault, Association francophone pour le savoir (Acfas) - 2009
Formation
- 1988 — Maîtrise — Informatique — Université McGill
- 1991 — Doctorat — Informatique — Université McGill
Pour en savoir plus…
- 12-09-2016 L’intelligence artificielle aujourd’hui… et demain!
- 15-09-2016 L’UdeM chef de file en infrastructure numérique
- 20-09-2016 Le professeur Bengio se joint au Cognitive Horizons Network d’IBM
- 23-09-2016 Révolution de l'intelligence artificielle : une conférence courue et appréciée!
- Portrait par LaPresse+ - INTELLIGENCE ARTIFICIELLE QUI EST YOSHUA BENGIO ?
- 21-11-2016 Google étend son soutien à la recherche en intelligence artificielle à l’UdeM
- 18-01-2017 Microsoft donne 6 millions de dollars au MILA
- 23-01-2017 Des données à l’action en santé
- 20-04-2017 IBM ouvrira un laboratoire à Montréal pour collaborer avec le MILA
- 11-05-2017 L’UdeM compte des personnalités extraordinaires, selon la revue «Urbania»
- 15-05-2017 100 M$ pour la création de la grappe québécoise en intelligence artificielle
- 05-07-2017 Nomination de membres de l'Université de Montréal au sein de l'Ordre du Canada
- 31-08-2017 Une importante subvention permettra d’étudier les effets positifs à long terme de l’IA
- 15-09-2017 Facebook investit plus de 7 M$US dans le MILA et dans la recherche en IA à Montréal
- 25-09-2017 Un nouveau partenariat avec Samsung en intelligence artificielle
- 03-10-2017 Yoshua Bengio parmi les personnalités «Infopresse» 2017
- 10-10-2017 Thales crée un pôle de recherche en IA à Montréal pour collaborer avec le MILA et IVADO
- 25-10-2017 Intelligence artificielle: pour un développement assujetti aux impératifs démocratiques
- 30-10-2017 Abondante récolte de Prix du Québec pour l’Université de Montréal
- 03-11-2017 Déclaration de Montréal pour un développement responsable de l’intelligence artificielle
- 27-03-2019 «Le prix Nobel de l’informatique»
- 28-01-2019 L’intelligence artificielle s’installe à Montréal
- 03-12-2018 L’Université de Montréal, un leader mondial en sciences informatiques
- 16-08-2018 Yoshua Bengio reçoit de nouveaux honneurs
- 25-06-2019 Yoshua Bengio, personnalité de la semaine
- 06-04-2020 Les chercheurs d’ici mobilisés
-
L'Université de Montréal et de l'intelligence artificielle capable de guider les non-voyants
Les GPS intelligents de nouvelle de génération pourront indiquer, en ville, l’emplacement des trottoirs, des feux de circulation, des bâtiments et des obstacles nombreux qu’une personne non voyante croise sur son chemin.
Affiliations et responsabilités
Affiliations de recherche
Enseignement et encadrement
Recrutement en recherche
Mila - l'Institut québécois d'intelligence artificielle - est toujours à la recherche de bons candidats de tous les niveaux : stagiaires (temps partiel ou temps plein), étudiants à la maîtrise, étudiants au doctorat (incluant les visiteurs) et post-doctorants. Voir aussi Pourquoi étudier à Mila.
Il est attendu des doctorants et post-doctorants qu’ils possèdent une bonne connaissance de l’apprentissage machine et, si possible, de l’apprentissage profond. Au niveau post-doctoral, la plupart des candidats ont déjà un bon dossier de publication en apprentissage profond. Finalement, les candidats à tous les niveaux devraient avoir un fort bagage mathématique (probabilités, algèbre linéaire, optimisations numériques, statistiques) et informatique (analyse numérique, développement de logiciels à code source ouvert).
Pour en savoir plus sur les postes offerts, consultez la page sur le site du Mila >>>
Encadrement
Thèses et mémoires dirigés (dépôt institutionnel Papyrus)
2024
Towards an extension of causal discovery with generative flow networks to latent variables models
Diplômé(e) : Manta, Dragos Cristian
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
2024
Advances in uncertainty modelling : from epistemic uncertainty estimation to generalized generative flow networks
Diplômé(e) : Lahlou, Salem
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
2023
Learning and planning with noise in optimization and reinforcement learning
Diplômé(e) : Thomas, Valentin
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
2023
From specialists to generalists : inductive biases of deep learning for higher level cognition
Diplômé(e) : Goyal, Anirudh
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
2023
Inductive biases for efficient information transfer in artificial networks
Diplômé(e) : Kerg, Giancarlo
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
2023
Contributions to generative models and their applications
Diplômé(e) : Che, Tong
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
2022
Dynamics of learning and generalization in neural networks
Diplômé(e) : Pezeshki, Mohammad
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
2022
Optimization tools for non-asymptotic statistics in exponential families
Diplômé(e) : Le Priol, Rémi
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
2022
Latent data augmentation and modular structure for improved generalization
Diplômé(e) : Lamb, Alexander
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
2021
On representation learning for generative models of text
Diplômé(e) : Subramanian, Sandeep
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
2021
Towards computationally efficient neural networks with adaptive and dynamic computations
Diplômé(e) : Kim, Taesup
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
2021
Locality and compositionality in representation learning for complex visual tasks
Diplômé(e) : Sylvain, Tristan
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
2021
A deep learning theory for neural networks grounded in physics
Diplômé(e) : Scellier, Benjamin
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
2020
Entity-centric representations in deep learning
Diplômé(e) : Assouel, Rim
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
2020
On challenges in training recurrent neural networks
Diplômé(e) : Anbil Parthipan, Sarath Chandar
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
2020
Natural image processing and synthesis using deep learning
Diplômé(e) : Ganin, Iaroslav
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
2020
Deep neural networks for natural language processing and its acceleration
Diplômé(e) : Lin, Zhouhan
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
2020
Representation learning for dialogue systems
Diplômé(e) : Serban, Iulian Vlad
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
2020
On sample efficiency and systematic generalization of grounded language understanding with deep learning
Diplômé(e) : Bahdanau, Dzmitry
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
2020
Towards better understanding and improving optimization in recurrent neural networks
Diplômé(e) : Kanuparthi, Bhargav
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
2020
Méta-enseignement : génération active d’exemples par apprentissage par renforcement
Diplômé(e) : Larocque, Stéphanie
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
2020
Characterizing and comparing acoustic representations in convolutional neural networks and the human auditory system
Diplômé(e) : Thompson, Jessica A. F.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
2020
Neural approaches to dialog modeling
Diplômé(e) : Sankar, Chinnadhurai
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
2020
Advances in deep learning methods for speech recognition and understanding
Diplômé(e) : Serdyuk, Dmitriy
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
2019
Prédiction et génération de données structurées à l'aide de réseaux de neurones et de décisions discrètes
Diplômé(e) : Dutil, Francis
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
2019
On Deep Multiscale Recurrent Neural Networks
Diplômé(e) : Chung, Junyoung
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
2019
Learning and time : on using memory and curricula for language understanding
Diplômé(e) : Gulcehre, Caglar
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
2019
Sequence-to-sequence learning for machine translation and automatic differentiation for machine learning software tools
Diplômé(e) : van Merriënboer, Bart
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
2019
Improved training of generative models
Diplômé(e) : Goyal, Anirudh
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
2019
Applications of complex numbers to deep neural networks
Diplômé(e) : Bilaniuk, Olexa
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
2019
Analyzing the benefits of communication channels between deep learning models
Diplômé(e) : Lacaille, Philippe
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
2019
Improved training of energy-based models
Diplômé(e) : Kumar, Rithesh
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
2019
Learning competitive ensemble of information-constrained primitives
Diplômé(e) : Sodhani, Shagun
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
2019
Auto-Encoders, Distributed Training and Information Representation in Deep Neural Networks
Diplômé(e) : Alain, Guillaume
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
2019
Recurrent neural models and related problems in natural language processing
Diplômé(e) : Zhang, Saizheng
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
2018
Exploring Attention Based Model for Captioning Images
Diplômé(e) : Xu, Kelvin
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
2018
Difference target propagation
Diplômé(e) : Lee, Dong-Hyun
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
2018
Representation Learning for Visual Data
Diplômé(e) : Dumoulin, Vincent
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
2018
Reparametrization in deep learning
Diplômé(e) : Dinh, Laurent
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
2018
Feedforward deep architectures for classification and synthesis
Diplômé(e) : Warde-Farley, David
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
2018
Learning visual representations with neural networks for video captioning and image generation
Diplômé(e) : Yao, Li
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
2017
Sequential modeling, generative recurrent neural networks, and their applications to audio
Diplômé(e) : Mehri, Soroush
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
2017
Structured prediction and generative modeling using neural networks
Diplômé(e) : Kastner, Kyle
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
2017
Speech synthesis using recurrent neural networks
Diplômé(e) : Rodríguez Sotelo, José Manuel
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
2017
Towards deep semi supervised learning
Diplômé(e) : Pezeshki, Mohammad
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
2016
Bidirectional Helmholtz Machines
Diplômé(e) : Shabanian, Samira
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
2016
Advances in scaling deep learning algorithms
Diplômé(e) : Dauphin, Yann
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
2016
Designing Regularizers and Architectures for Recurrent Neural Networks
Diplômé(e) : Krueger, David
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
2015
On Recurrent and Deep Neural Networks
Diplômé(e) : Pascanu, Razvan
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
2015
Leveraging noisy side information for disentangling of factors of variation in a supervised setting
Diplômé(e) : Carrier, Pierre Luc
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
2015
Distributed conditional computation
Diplômé(e) : Léonard, Nicholas
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
2015
Apprentissage des réseaux de neurones profonds et applications en traitement automatique de la langue naturelle
Diplômé(e) : Glorot, Xavier
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
2015
Apprentissage d'espaces sémantiques
Diplômé(e) : Mesnil, Grégoire
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
2015
Deep learning of representations and its application to computer vision
Diplômé(e) : Goodfellow, Ian
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
2014
Improving sampling, optimization and feature extraction in Boltzmann machines
Diplômé(e) : Desjardins, Guillaume
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
2014
Algorithmes d’apprentissage profonds supervisés et non-supervisés: applications et résultats théoriques
Diplômé(e) : Thibodeau-Laufer, Eric
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
2014
Modeling High-Dimensional Audio Sequences with Recurrent Neural Networks
Diplômé(e) : Boulanger-Lewandowski, Nicolas
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
2013
Algorithmes d'apprentissage pour la recommandation
Diplômé(e) : Bisson, Valentin
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
2012
Réseaux de neurones à relaxation entraînés par critère d'autoencodeur débruitant
Diplômé(e) : Savard, François
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
2012
Apprentissage machine efficace : théorie et pratique
Diplômé(e) : Delalleau, Olivier
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
2012
Apprentissage de représentations musicales à l'aide d'architectures profondes et multiéchelles
Diplômé(e) : Hamel, Philippe
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
2011
Prédiction de l'attrition en date de renouvellement en assurance automobile avec processus gaussiens
Diplômé(e) : Pannetier Lebeuf, Sylvain
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
2011
Understanding deep architectures and the effect of unsupervised pre-training
Diplômé(e) : Erhan, Dumitru
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
2011
Incorporating complex cells into neural networks for pattern classification
Diplômé(e) : Bergstra, James
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
2010
Modèle informatique du coapprentissage des ganglions de la base et du cortex : l'apprentissage par renforcement et le développement de représentations
Diplômé(e) : Rivest, François
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
2010
Sequential Machine learning Approaches for Portfolio Management
Diplômé(e) : Chapados, Nicolas
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
2010
Training deep convolutional architectures for vision
Diplômé(e) : Desjardins, Guillaume
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
2010
Échantillonnage dynamique de champs markoviens
Diplômé(e) : Breuleux, Olivier
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
2009
Étude de techniques d'apprentissage non-supervisé pour l'amélioration de l'entraînement supervisé de modèles connexionnistes
Diplômé(e) : Larochelle, Hugo
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
2008
Avancées théoriques sur la représentation et l'optimisation des réseaux de neurones
Diplômé(e) : Le Roux, Nicolas
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
2008
TONGA : un algorithme de gradient naturel pour les problèmes de grande taille
Diplômé(e) : Manzagol, Pierre-Antoine
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
2008
Modèles Pareto hybrides pour distributions asymétriques et à queues lourdes
Diplômé(e) : Carreau, Julie
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
2007
Boosting hierarchique et construction de filtres
Diplômé(e) : LaBarre, Marc-Olivier
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
2006
Collaborative filtering techniques for drug discovery
Diplômé(e) : Erhan, Dumitru
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
2006
Algorithms for classifying recorded music by genre
Diplômé(e) : Bergstra, James
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
2005
Extraction d'information à partir de transcription de conversations téléphoniques spécialisées
Diplômé(e) : Boufaden, Narjès
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
2005
Réduction de dimension pour modèles graphiques probabilistes appliqués à la désambiguïsation sémantique
Diplômé(e) : Boisvert, Maryse
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
2005
Réducation de dimensionnalité non linéaire et vorace
Diplômé(e) : Ouimet, Marie
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
2004
Segmentation hiérarchique du domaine sémantique pour l'accélération d'un modèle de langage
Diplômé(e) : Morin, Frédéric
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
2004
Modèles à noyaux à structure locale
Diplômé(e) : Vincent, Pascal
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
2004
Méthodes à noyaux appliquées à la gestion de portefeuille
Diplômé(e) : Dorion, Christian
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
2004
Généralisation d'algorithmes de réduction de dimension
Diplômé(e) : Paiement, Jean-François
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
2003
Accélérer l'entraînement d'un modèle non-paramétrique de densité non normalisée par échantillonnage aléatoire
Diplômé(e) : Senécal, Jean-Sébastien
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
2003
Les algorithmes d'apprentissage appliqués aux risques financiers
Diplômé(e) : Dugas, Charles
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
2003
Quelques modèles de langage statistiques et graphiques lissés avec WordNet
Diplômé(e) : Jauvin, Christian
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
2002
Contributions à la compression de données
Diplômé(e) : Pigeon, Steven
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
2002
Statistical analysis of machine learning estimators of insurance premiums
Diplômé(e) : Meng, Linyan
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
2001
Architecture et programme d'entraînement pour agents qui apprennent par renforcement
Diplômé(e) : Desaulniers, Julien
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
2000
Critères d'optimisation d'algorithmes d'apprentissage en gestion de portefeuille
Diplômé(e) : Chapados, Nicolas
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
1999
Prise de décision à partir de données séquentielles
Diplômé(e) : Gingras, François
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
1999
Utilisation d'hyper-paramètres pour la sélection de variables
Diplômé(e) : Latendresse, Simon
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Projets
Projets de recherche
2023
- 2030
FD - R3AI: Shifting Paradigms for a Robust, Reasoning, and Responsible Artificial Intelligence and its Adoption
Chercheur principal :
Marie-Josée Hébert
Co-chercheurs :
Yoshua Bengio
,
Yves Brun
,
Irina Rish
,
Jean-François Cordeau
,
Samuel Kadoury
,
Christopher Pal
,
Caroline Aubé
,
Doina Precup
,
Lyse Langlois
,
Véronique Guèvremont
,
Foutse Khomh
,
Jason Lewis
Sources de financement :
SPIIE/Secrétariat des programmes interorganismes à l’intention des établissements
Programmes de subvention :
PVXXXXXX-Fonds d'excellence en recherche Apogée Canada
2023
- 2029
Médaille d’or Gerhard-Herzberg en sciences et en génie du Canada
Chercheur principal :
Yoshua Bengio
Sources de financement :
CRSNG/Conseil de recherches en sciences naturelles et génie du Canada (CRSNG)
Programmes de subvention :
PVX20968-Médaille d'or Gerhard-Herzberg en sciences et en génie du Canada
2022
- 2029
Centre de recherches mathématiques (CRM)
Chercheur principal :
Octavian Cornea
Co-chercheurs :
Yoshua Bengio
,
François Lalonde
,
Gilles Brassard
,
Michel Delfour
,
Marlène Frigon
,
Véronique Hussin
,
Christiane Rousseau
,
Jacques Bélair
,
Paul M Gauthier
,
Sabin Lessard
,
Alain Vinet
,
Nadia El-Mabrouk
,
Gena Hahn
,
Christian Léger
,
Fahima Nekka
,
Iosif Polterovich
,
Yvan Saint Aubin
,
Andrew Granville
,
Sylvie Hamel
,
Manuel Morales
,
François Perron
,
Mylène Bédard
,
Pierre Duchesne
,
Matilde Lalin
,
Robert Gwyn Owens
,
Manu Paranjape
,
Dana Schlomiuk
,
Luc Vinet
,
Mireille Schnitzer
,
Karim Jerbi
,
Alexander Fribergh
,
Alejandro Murua
,
Maciej Augustyniak
,
Benoît Mâsse
,
Dimitrios Koukoulopoulos
,
Jun Li
,
Benjamin Seamone
,
William Witczak-Krempa
,
Egor Shelukhin
,
Morgan Craig
,
Guillaume Lajoie
,
Margarida Carvalho
,
Guy Wolf
,
Florian Maire
,
Frédéric Dupont-Dupuis
,
Michael C. Mackey
,
Frédéric Lesage
,
Russell Steele
,
Erica Moodie
,
Paul François
,
Henri Darmon
,
Maxime Descoteaux
,
Prakash Panangaden
,
André Dieter Bandrauk
,
Peter Bartello
,
Chantal David
,
Jean-Marc Lina
,
Anthony Raymond Humphries
,
John P. Harnad
,
Jacques Claude Hurtubise
,
Pengfei Guan
,
John A Toth
,
Niky Kamran
,
Adrian Iovita
,
Eyal Goren
,
Dmitry Jakobson
,
Vojkan Jaksic
,
Daniel Tzvi Wise
,
André Garon
,
Éric P. Marchand
,
Debbie Janice Dupuis
,
Yogendra Chaubey
,
Pawel Gora
,
Hershy Kisilevsky
,
Galia Dafni
,
D. Korotkin
,
Marco Bertola
,
Alina Stancu
,
Lea Popovic
,
Ibrahim Assem
,
Tomasz Kaczynski
,
Shiping Liu
,
Vasilisa Shramchenko
,
Bruno L. Rémillard
,
Richard Fournier
,
Alfred Michel Grundland
,
David Stephens
,
Xiaowen Chang
,
Frederic Guichard
,
Erik P. Cook
,
Robert Brandenberger
,
Adrian Vetta
,
Keshav Dasgupta
,
Christophe Grova
,
Gantumur Tsogtgerel
,
Johanna Neslehova
,
Jean-Christophe Nave
,
Anmar Khadra
,
Adam M. Oberman
,
Michael Yves Michel Pichot
,
Alexander Maloney
,
Dana Louigi Addario-Berry
,
José Garrido
,
Alexei Kokotov
,
Wei Sun
,
Patrice Gaillardetz
,
Linan Chen
,
Piotr Przytycki
,
Vladimir Makarenkov
,
Louis-Paul Rivest
,
François Bergeron
,
Steven P. Boyer
,
Line Baribeau
,
Frédéric Gourdeau
,
Claude Levesque
,
Thomas Joseph Ransford
,
Jean-Marie De Koninck
,
Javad Mashreghi
,
Thierry Duchesne
,
Srecko Brlek
,
Christophe Reutenauer
,
Vestislav Apostolov
,
Steven Lu
,
Geneviève Lefebvre
,
Hélène Cossette
,
Étienne Marceau
,
José Manuel Urquiza
,
Hugo Chapdelaine
,
Michael Lau
,
Alexandre Girouard
,
Antonio Lei
,
Jean-François Renaud
,
Christophe Hohlweg
,
Mathieu Boudreault
,
FRANCO SALIOLA
,
Alexandre Roch
,
Frédéric Rochon
,
Alexandre Blondin-Massé
,
Clement Hyvrier
,
Denis Talbot
,
Alexandre Bureau
,
Fabrice Larribe
,
Aurélie Labbe
,
Cody Hyndman
,
Khader Khadraoui
,
Hamed Hatami
,
Roger Villemaire
,
Frédéric Godin
,
Marcin Sabok
,
Yi Yang
,
Anne Mackay
,
Jérôme Vétois
,
Ting-Huei Chen
,
Habib Benali
,
Taoufik Bouezmani
,
Christian Genest
,
Xiaowen Zhou
,
Sorana Froda
,
Mélina Mailhot
,
Alexandra Schmidt
,
Simon Philippe Caron-Huot
,
Abdoulaye Banire Diallo
,
Jean-Philippe Lessard
,
Sarah Harrison
,
Anne-Sophie Charest
,
Masoud Asgharian-Dastenael
,
Rustum Choksi
,
Abbas Khalili Mahmoudabadi
,
Simon Gravel
,
Arusharka Sen
,
Arthur Charpentier
,
Mathieu Pigeon
,
Benoit Larose
,
Thomas Brüstle
,
Laurent Charlin
,
Janosch Ortmann
,
Tim Hoheisel
,
Jean Deteix
,
Jessica Lin
,
Michael Lipnowski
,
Giovanni Rosso
,
Thomas Hugh
,
Jean-Philippe Burelle
,
Julien Keller
,
Félix Camirand Lemyre
,
Marie-Pier Côté
,
Damir Kinzebulatov
,
Duncan McCoy
,
Klaus Herrmann
,
Felix Kwok
,
Courtney Paquette
,
Anush Tserunyan
,
Suresh Krishna
,
Valentino Tosatti
,
Patrick Brodie Allen
,
Behrooz Yousefzadeh
,
Marc-Hubert Nicole
,
Rober Platt
Sources de financement :
FRQNT/Fonds de recherche du Québec - Nature et technologies (FQRNT)
Programmes de subvention :
PVXXXXXX-(RS) Programme de regroupements stratégiques
2022
- 2029
Union Neurosciences et Intelligence Artificielle Québec (UNIQUE)
Chercheur principal :
Karim Jerbi
Co-chercheurs :
Yoshua Bengio
,
Christian Casanova
,
Frédéric Gosselin
,
John Francis Kalaska
,
Philippe Langlais
,
Pierre Rainville
,
Richard Robitaille
,
Pierre Jolicoeur
,
Paul Cisek
,
Numa Dancause
,
Sarah Lippé
,
Andrea Michelle Green
,
Simona Maria Brambati
,
Roberto Araya
,
Pierre-Louis Bellec
,
Guillaume Lajoie
,
Irina Rish
,
Becket Ebitz
,
Guillaume Dumas
,
Eilif B. Muller
,
Ian Charest
,
Catherine Duclos
,
Vincent Taschereau-Dumouchel
,
Matthew Perich
,
Shahab Bakhtiari
,
Julien Cohen-Adad
,
Frédéric Lesage
,
Éric Plourde
,
Alan C Evans
,
Doina Precup
,
Maxime Descoteaux
,
Tal Arbel
,
Jean-Marc Lina
,
Farida Cheriet
,
Erik P. Cook
,
Christophe Grova
,
Christian Gagné
,
Yves De Koninck
,
Simon Duchesne
,
Stefanie Blain-Moraes
,
François Laviolette
,
Julien Doyon
,
Bratislav Misic
,
Paul De Koninck
,
Simon Hardy
,
Nicolas Doyon
,
Thomas R Shultz
,
Christopher Pack
,
Amir Shmuel
,
Nikola Stikov
,
Kevin Whittingstall
,
Habib Benali
,
Ismail Ben Ayed
,
Patrick Desrosiers
,
Jean-Baptiste Poline
,
Audrey Durand
,
Danilo Bzdok
,
Marie-Jean Meurs
,
Flavie Lavoie-Cardinal
,
Caroline Ménard
,
Benjamin De Leener
,
Hervé Lombaert
,
Joël Lefebvre
,
Pouya Bashivan
,
Blake Richards
,
Suresh Krishna
,
Hassan Rivaz
,
Tristan Glatard
,
Sylvain Bouix
,
Adrien Frederic Jean Peyrache
Sources de financement :
FRQNT/Fonds de recherche du Québec - Nature et technologies (FQRNT)
Programmes de subvention :
PVXXXXXX-(RS) Programme de regroupements stratégiques
2019
- 2029
Autonomous Deep Learning for AI
Chercheur principal :
Yoshua Bengio
Sources de financement :
CRSNG/Conseil de recherches en sciences naturelles et génie du Canada (CRSNG)
Programmes de subvention :
PVX20965-(RGP) Programme de subvention à la découverte individuelle ou de groupe
2024
- 2028
PandemicStop-AI: for an accelerated response to pandemics
Chercheur principal :
Yves Brun
Co-chercheurs :
Yoshua Bengio
,
André Charette
,
Pierre Thibault
,
Anne Marinier
,
Luc Vinet
,
Jacques Corbeil
,
Audrey Durand
,
Flavie Lavoie-Cardinal
,
Teodor Veres
,
Michael Tyers
,
David Wishart
,
Dao M Nguyen
Sources de financement :
SPIIE/Secrétariat des programmes interorganismes à l’intention des établissements
,
FCI/Fondation canadienne pour l'innovation
Programmes de subvention :
PVXXXXXX-Fonds de recherche biomédicale du Canada
,
PVXXXXXX-Fonds d'infrastructure de recherche en sciences biologiques
2024
- 2028
PandemicStop-AI: for an accelerated response to pandemics
Chercheur principal :
Yves Brun
Co-chercheurs :
Yoshua Bengio
,
André Charette
,
Pierre Thibault
,
Anne Marinier
,
Luc Vinet
,
Jacques Corbeil
,
Audrey Durand
,
Flavie Lavoie-Cardinal
,
Dao M Nguyen
,
Teodor Veres
,
Michael Tyers
,
David Wishart
2024
- 2028
Modélisation des défis émergents
Chercheur principal :
Octavian Cornea
Co-chercheurs :
Yoshua Bengio
,
Arlette Kolta
,
Andrew Granville
,
Roxane de la Sablonnière
,
Karim Jerbi
,
Morgan Craig
,
Guillaume Lajoie
,
Bouchra Nasri
,
Guillaume Dumas
,
David McLeod
,
Erica Moodie
,
Denise Klein-Broomberg
,
Dana Louigi Addario-Berry
,
Olivier Bahn
,
Marie-Jean Meurs
,
Flavie Lavoie-Cardinal
,
Tristan Glatard
,
Annie Levasseur
,
François Charette
Sources de financement :
FRQNT/Fonds de recherche du Québec - Nature et technologies (FQRNT)
Programmes de subvention :
PVXXXXXX-Initiative STRATÉGIA
2022
- 2027
Novel generative active learning algorithms for exploring the space of antimicrobial peptides to respond to antibiotics resistance
Sources de financement :
CRSNG/Conseil de recherches en sciences naturelles et génie du Canada (CRSNG)
Programmes de subvention :
PVXXXXXX-Horizons de la découverte
2022
- 2027
NSERC CREATE in Science Leadership for Global Sustainability
Chercheur principal :
Damon Matthews
Co-chercheurs :
Yoshua Bengio
Sources de financement :
CRSNG/Conseil de recherches en sciences naturelles et génie du Canada (CRSNG)
Programmes de subvention :
PV118026-FONCER : Prog. formation orientée nouveauté, la collaboration et l'expérience en recherche
2023
- 2026
Real-time visualization of CO2 electrolysis
Chercheur principal :
Curtis Berlinguette
Co-chercheurs :
Yoshua Bengio
Sources de financement :
CRSNG/Conseil de recherches en sciences naturelles et génie du Canada (CRSNG)
Programmes de subvention :
PVXXXXXX-Subventions Alliance - Missions
2024
- 2025
Correction automatique de textes français avec Electra
Chercheur principal :
Yoshua Bengio
Sources de financement :
MITACS Inc.
Programmes de subvention :
PVXXXXXX-Stage Accélération Québec - MITACS
2022
- 2025
L’IA pour la découverte de matériaux et molécules
Chercheur principal :
Yoshua Bengio
Sources de financement :
Génome Québec
Programmes de subvention :
2021
- 2025
Program Co-Director, CCAI Chair, CIFAR program in Learning in Machines & Brains
Chercheur principal :
Yoshua Bengio
Sources de financement :
CIFAR - Canadian Institute for Advanced Research/ Institut canadien des recherches avancées
Programmes de subvention :
2020
- 2025
Mila - Quebec Artificial Intelligence Institute for working on the project proposed by Helmholtz Zentrum München Financial support for the proposal of an Helmholtz International Lab
Chercheur principal :
Yoshua Bengio
Sources de financement :
FRQNT/Fonds de recherche du Québec - Nature et technologies (FQRNT)
Programmes de subvention :
PVXXXXXX-Grands défis de société
2018
- 2025
NSERC CREATE Program on Machine Learning in Quantitative Finance and Business Analytics
Chercheur principal :
Manuel Morales
Co-chercheurs :
Yoshua Bengio
,
Alain Tapp
,
Fabian Bastin
,
Geneviève Gauthier
,
Erick Delage
,
Cody Hyndman
,
Marco Bijvank
,
Christine Lemieux
,
Yuri Levin
,
Jia Yuan Yu
,
Matthew Thompson
Sources de financement :
CRSNG/Conseil de recherches en sciences naturelles et génie du Canada (CRSNG)
Programmes de subvention :
PV118026-FONCER : Prog. formation orientée nouveauté, la collaboration et l'expérience en recherche
2016
- 2025
FI - Data Serving Canadians : Strategy for a Data-Driven Innovation Ecosystem
Chercheur principal :
Marie-Josée Hébert
Co-chercheurs :
Yoshua Bengio
,
Michel Bouvier
,
Pierre L'Écuyer
,
Jean-Claude Tardif
,
Gilbert Laporte
,
Jean-François Cordeau
,
Michel Gendreau
,
François Soumis
,
Miguel Anjos
,
Andrea Lodi
Sources de financement :
SPIIE/Secrétariat des programmes interorganismes à l’intention des établissements
Programmes de subvention :
PVXXXXXX-Fonds d'excellence en recherche Apogée Canada
2024
Extracting Document Structure from Text-Intensive Images, A Multi-Modal Approach
Chercheur principal :
Yoshua Bengio
Sources de financement :
MITACS Inc.
Programmes de subvention :
PVXXXXXX-Stage Accélération Québec - MITACS
2022
- 2024
Thème 4 : L'IA pour la découverte de matériaux et molécules
Chercheur principal :
Yoshua Bengio
Sources de financement :
SPIIE/Secrétariat des programmes interorganismes à l’intention des établissements
Programmes de subvention :
PVXXXXXX-Fonds d'excellence en recherche Apogée Canada
2021
- 2024
Système d’aide à la décision pour la prédiction de la ressource renouvelable et du productible énergétique afin de contribuer à la réduction des émissions de gaz à effet de serre: Cas du Maroc
Chercheur principal :
Yoshua Bengio
Sources de financement :
Ministère du Développement durable, Environnement et Lutte contre les changements climatiques
Programmes de subvention :
PVXXXXXX-Programme de coopération climatique internationale
2021
- 2024
Generalization in Neural Networks
Chercheur principal :
Yoshua Bengio
Sources de financement :
SPIIE/Secrétariat des programmes interorganismes à l’intention des établissements
Programmes de subvention :
PVXXXXXX-Fonds d'excellence en recherche Apogée Canada/Bourse
2020
- 2024
Software infrastructure for Deep Learning
Chercheur principal :
Yoshua Bengio
Co-chercheurs :
Jean-Claude Tardif
,
Pascal Vincent
,
Roland Memisevic
,
Marc Jolicoeur
,
Aaron Courville
,
Christopher Pal
,
Doina Precup
,
Joelle Pineau
Sources de financement :
FCI/Fondation canadienne pour l'innovation
Programmes de subvention :
PVXXXXXX-Fonds d'exploitation des infrastructures (FEI)
2020
- 2024
Learning in Machines & Brains
Chercheur principal :
Yoshua Bengio
Sources de financement :
CIFAR - Canadian Institute for Advanced Research/ Institut canadien des recherches avancées
Programmes de subvention :
2019
- 2024
Union Neurosciences et Intelligence Artificielle Québec (UNIQUE) / Regroupements stratégiques
Chercheur principal :
Karim Jerbi
Co-chercheurs :
Yoshua Bengio
,
Christian Casanova
,
Frédéric Gosselin
,
John Francis Kalaska
,
Philippe Langlais
,
Pierre Rainville
,
Richard Robitaille
,
Pierre Jolicoeur
,
Paul Cisek
,
Andrea Michelle Green
,
Simona Maria Brambati
,
Pascal Vincent
,
Pierre-Louis Bellec
,
Hugo Larochelle
,
Guillaume Lajoie
,
Julien Cohen-Adad
,
Frédéric Lesage
,
Alan C Evans
,
José Manuel Fernandez
,
Joelle Pineau
,
Maxime Descoteaux
,
Tal Arbel
,
Jean-Marc Lina
,
Farida Cheriet
,
Erik P. Cook
,
Christian Gagné
,
Yves De Koninck
,
Simon Duchesne
,
François Laviolette
,
Julien Doyon
,
Bratislav Misic
,
Paul De Koninck
,
Simon Hardy
,
Nicolas Doyon
,
Thomas R Shultz
,
Christopher Pack
,
Amir Shmuel
,
Nikola Stikov
,
Kevin Whittingstall
,
Habib Benali
,
Ismail Ben Ayed
,
Patrick Desrosiers
,
Jean-Baptiste Poline
Sources de financement :
FRQNT/Fonds de recherche du Québec - Nature et technologies (FQRNT)
Programmes de subvention :
PVXXXXXX-(RS) Programme de regroupements stratégiques
2019
- 2024
Learning in Machines & Brains (Co-Director)
Chercheur principal :
Yoshua Bengio
Sources de financement :
CIFAR - Canadian Institute for Advanced Research/ Institut canadien des recherches avancées
Programmes de subvention :
2018
- 2024
Learning in Machines & Brains
Chercheur principal :
Yoshua Bengio
Sources de financement :
CIFAR - Canadian Institute for Advanced Research/ Institut canadien des recherches avancées
Programmes de subvention :
2016
- 2023
NSERC COHESA: Computing Hardware for Emerging Intelligent Sensory Applications
Chercheur principal :
Andreas Moshovos
Co-chercheurs :
Yoshua Bengio
Sources de financement :
CRSNG/Conseil de recherches en sciences naturelles et génie du Canada (CRSNG)
Programmes de subvention :
PVX20967-(SPS/SPG) Subventions de projets stratégiques
2015
- 2023
CENTRE DE RECHERCHES MATHEMATIQUES (CRM)
Co-chercheurs :
Yoshua Bengio
,
François Lalonde
,
Gilles Brassard
,
Michel Delfour
,
Marlène Frigon
,
Véronique Hussin
,
Christiane Rousseau
,
Pavel Winternitz
,
Jacques Bélair
,
Paul M Gauthier
,
Sabin Lessard
,
Alain Vinet
,
Nadia El-Mabrouk
,
Fahima Nekka
,
Jiri Patera
,
Iosif Polterovich
,
Yvan Saint Aubin
,
Andrew Granville
,
Sylvie Hamel
,
Manuel Morales
,
François Perron
,
Pierre Duchesne
,
Matilde Lalin
,
Robert Gwyn Owens
,
Manu Paranjape
,
Alfred Michel Grundland
,
Mireille Schnitzer
,
Karim Jerbi
,
Alexander Fribergh
,
Alejandro Murua
,
Maciej Augustyniak
,
Louis-Pierre Arguin
,
Dimitrios Koukoulopoulos
,
Jun Li
,
Benjamin Seamone
,
William Witczak-Krempa
,
Laurent Charlin
,
Dominique Pelletier
,
Michael C. Mackey
,
Frédéric Lesage
,
Russell Steele
,
Erica Moodie
,
Paul François
,
Henri Darmon
,
Maxime Descoteaux
,
Prakash Panangaden
,
André Dieter Bandrauk
,
Peter Bartello
,
Chantal David
,
Jean-Marc Lina
,
Johannes Walcher
,
Anthony Raymond Humphries
,
John P. Harnad
,
Jacques Claude Hurtubise
,
Pengfei Guan
,
John A Toth
,
Karl Peter Russell
,
Niky Kamran
,
Adrian Iovita
,
Eyal Goren
,
Dmitry Jakobson
,
Vojkan Jaksic
,
Daniel Tzvi Wise
,
André Garon
,
Éric P. Marchand
,
Debbie Janice Dupuis
,
Syed Ali
,
Yogendra Chaubey
,
Christopher Cummins
,
Pawel Gora
,
Hershy Kisilevsky
,
Galia Dafni
,
D. Korotkin
,
Benoit Larose
,
Marco Bertola
,
Alina Stancu
,
Lea Popovic
,
Ibrahim Assem
,
Tomasz Kaczynski
,
Shiping Liu
,
Virginie Charette
,
Vasilisa Shramchenko
,
Bruno L. Rémillard
,
Thomas Brüstle
,
Richard Fournier
,
David Stephens
,
Xiaowen Chang
,
Frederic Guichard
,
Erik P. Cook
,
Robert Brandenberger
,
Adrian Vetta
,
Keshav Dasgupta
,
Christophe Grova
,
Bruce Shepherd
,
Gantumur Tsogtgerel
,
Johanna Neslehova
,
Jean-Christophe Nave
,
Anmar Khadra
,
Adam M. Oberman
,
Michael Yves Michel Pichot
,
Alexander Maloney
,
Dana Louigi Addario-Berry
,
Eusebius Jacobus Doedel
,
José Garrido
,
Richard Hall
,
Alexei Kokotov
,
Wei Sun
,
Patrice Gaillardetz
,
Linan Chen
,
Payman Kassaei
,
Piotr Przytycki
,
André Fortin
,
Louis-Paul Rivest
,
François Bergeron
,
Steven P. Boyer
,
Frédéric Gourdeau
,
Claude Levesque
,
Pierre Mathieu
,
Thomas Joseph Ransford
,
Jean-Marie De Koninck
,
Javad Mashreghi
,
Thierry Duchesne
,
Srecko Brlek
,
Christophe Reutenauer
,
Vestislav Apostolov
,
Steven Lu
,
Geneviève Lefebvre
,
Pedro Peres-Neto
,
Hélène Cossette
,
Étienne Marceau
,
José Manuel Urquiza
,
Hugo Chapdelaine
,
Michael Lau
,
Alexandre Girouard
,
Antonio Lei
,
Anne Bergeron
,
Jean-François Renaud
,
Christophe Hohlweg
,
Mathieu Boudreault
,
FRANCO SALIOLA
,
Alexandre Roch
,
Frédéric Rochon
,
Mark Powell
,
Alexandre Blondin-Massé
,
Clement Hyvrier
,
Denis Talbot
,
Alexandre Bureau
,
M'Hamed Lajmi Lakhal Chaieb
,
Karim Oualkacha
,
Aurélie Labbe
,
Cody Hyndman
,
Khader Khadraoui
,
Hamed Hatami
,
Roger Villemaire
,
Jean-François Coeurjolly
,
Frédéric Godin
,
Marcin Sabok
,
Yi Yang
,
Anne Mackay
,
Paramita Saha Chaudhuri
,
Jérôme Vétois
,
Ting-Huei Chen
,
Christian Genest
,
Xiaowen Zhou
,
Sorana Froda
Sources de financement :
FRQNT/Fonds de recherche du Québec - Nature et technologies (FQRNT)
Programmes de subvention :
PVXXXXXX-(RS) Programme de regroupements stratégiques
2022
GFlowNets for estimating free energy functions in reinforcement learning
Chercheur principal :
Yoshua Bengio
Sources de financement :
SPIIE/Secrétariat des programmes interorganismes à l’intention des établissements
Programmes de subvention :
PVXXXXXX-Fonds d'excellence en recherche Apogée Canada/Bourse
2020
- 2022
Realtime detection and tracking of colorectal polyp
Chercheur principal :
Yoshua Bengio
Sources de financement :
MEDTEQ - Consortium de recherche et d''innovation en technologies médicales du Québec
Programmes de subvention :
2020
- 2022
Decentralized Deep Radiomics: Scaling up the discovery of prognostic and predictive cancer imaging biomarkers from routine clinical data across a network of hospitals
Chercheur principal :
Yoshua Bengio
Sources de financement :
MITACS Inc.
,
MITACS Inc.
Programmes de subvention :
PVXXXXXX-Stage Accélération Québec - MITACS
,
PVXXXXXX-Stage Accélération Québec - MITACS
2020
- 2022
Realtime detection and tracking of colorectal polyp
Chercheur principal :
Yoshua Bengio
Sources de financement :
Imagia Cybernétique inc.
Programmes de subvention :
2020
- 2022
Apogée Canada fonds d'excellence en recherche / Bourse d'excellence IVADO au postdoctoraux Alexandra Luccioni
Chercheur principal :
Yoshua Bengio
Sources de financement :
SPIIE/Secrétariat des programmes interorganismes à l’intention des établissements
Programmes de subvention :
PVXXXXXX-Fonds d'excellence en recherche Apogée Canada/Bourse
2020
- 2021
Providing value to SMB by optimizing ETL
Sources de financement :
MITACS Inc.
Programmes de subvention :
PVXXXXXX-Stage Accélération Québec - MITACS
2020
- 2021
Decentralized Deep Radiomics: Scaling up the discovery of prognostic and predictive cancer imaging biomarkers from routine clinical data across a network of hospitals
Chercheur principal :
Yoshua Bengio
2020
- 2021
Unsupervised Anomaly Detection in multivariate Time Series Data
Sources de financement :
MITACS Inc.
Programmes de subvention :
PVXXXXXX-Stage Accélération Québec - MITACS
2020
- 2021
Low Mixed Precision Techniques for CNN Models
Sources de financement :
Deeplite
Programmes de subvention :
2020
- 2021
Low Mixed Precision Techniques for CNN Models
Sources de financement :
Ministère Économie et Innovation
Programmes de subvention :
2019
- 2021
Programme de fonds de démarrage et d'opération pour professeur IVADO - Compte fonds d'opération - Jonathan Binas
Sources de financement :
SPIIE/Secrétariat des programmes interorganismes à l’intention des établissements
Programmes de subvention :
PVXXXXXX-Fonds d'excellence en recherche Apogée Canada/Fonds démarrage et opération
2019
- 2021
Apogée Canada fonds d'excellence en recherche / Bourse d'excellence IVADO à la maitrise Bhargav Kanuparthi
Chercheur principal :
Yoshua Bengio
Sources de financement :
SPIIE/Secrétariat des programmes interorganismes à l’intention des établissements
Programmes de subvention :
PVXXXXXX-Fonds d'excellence en recherche Apogée Canada/Bourse
2019
- 2021
Subvention accordée au projet Apogée Données au service des Canadiens : apprentissage profond et optimisation aux fins de la révolution du savoir. / Bourse postdoc, Candidat Simon Verret.
Chercheur principal :
Yoshua Bengio
Sources de financement :
FRQSC/Fonds de recherche du Québec - Société et culture (FQRSC)
Programmes de subvention :
PVXXXXXX-Fonds d'excellence en recherche Apogée Canada/Bourse
2018
- 2021
Deep learning for precision medicine by joint analysis of gene expression profiles measured through RNA-Seq and microarrays
Chercheur principal :
Sébastien Lemieux
Sources de financement :
SPIIE/Secrétariat des programmes interorganismes à l’intention des établissements
,
Génome Québec
Programmes de subvention :
PVXXXXXX-Fonds d'excellence en recherche Apogée Canada/Projet de recherche
,
2018
- 2021
Apogée Canada fonds d'excellence en recherche / Stages Postdoctoraux IVADO Jonathan Binas
Chercheur principal :
Yoshua Bengio
Sources de financement :
SPIIE/Secrétariat des programmes interorganismes à l’intention des établissements
Programmes de subvention :
PVXXXXXX-Fonds d'excellence en recherche Apogée Canada/Bourse
2018
- 2021
Matching MHC 1-associated peptide spectra to sequencing reads using deep neural networks
Chercheur principal :
Pierre Thibault
Sources de financement :
SPIIE/Secrétariat des programmes interorganismes à l’intention des établissements
,
Génome Québec
Programmes de subvention :
PVXXXXXX-Fonds d'excellence en recherche Apogée Canada/Projet de recherche
,
2016
- 2021
Software infrastructure for Deep Learning
Chercheur principal :
Yoshua Bengio
Co-chercheurs :
Jean-Claude Tardif
,
Pascal Vincent
,
Roland Memisevic
,
Marc Jolicoeur
,
Aaron Courville
,
Christopher Pal
,
Doina Precup
,
Joelle Pineau
Sources de financement :
FCI/Fondation canadienne pour l'innovation
Programmes de subvention :
PVXXXXXX-Initiative sur la cyberinfrastructure
2014
- 2021
DEEP LEARNING OF REPRESENTATIONS
Chercheur principal :
Yoshua Bengio
Sources de financement :
CRSNG/Conseil de recherches en sciences naturelles et génie du Canada (CRSNG)
Programmes de subvention :
PVX20965-(RGP) Programme de subvention à la découverte individuelle ou de groupe
2020
Ground Truth
Chercheur principal :
Yoshua Bengio
Sources de financement :
MITACS Inc.
Programmes de subvention :
PVXXXXXX-Stage Accélération Québec - MITACS
2019
- 2020
Real-time visual detection for robotic inspection
Chercheur principal :
Yoshua Bengio
Sources de financement :
MITACS Inc.
Programmes de subvention :
PVXXXXXX-Stage Accélération Québec - MITACS
2019
- 2020
Machine/Deep Learning applied in P&C insurance representations
Sources de financement :
MITACS Inc.
Programmes de subvention :
PVXXXXXX-Stage Accélération Québec - MITACS
2019
- 2020
Deep learning-based drug discovery and molecule generation
Chercheur principal :
Yoshua Bengio
Sources de financement :
MITACS Inc.
Programmes de subvention :
PVXXXXXX-Stage Accélération Québec - MITACS
2019
- 2020
Link predicting in court
Chercheur principal :
Yoshua Bengio
Sources de financement :
MITACS Inc.
Programmes de subvention :
PVXXXXXX-Stage Accélération Québec - MITACS
2019
- 2020
Speaker Diarization
Chercheur principal :
Yoshua Bengio
Sources de financement :
MITACS Inc.
Programmes de subvention :
PVXXXXXX-Stage Accélération Québec - MITACS
2019
- 2020
Low Data Drug Discovery
Chercheur principal :
Yoshua Bengio
Sources de financement :
MITACS Inc.
Programmes de subvention :
PVXXXXXX-Stage Accélération Québec - MITACS
2019
- 2020
Evaluation of monitoring data for predictive maintenance of energy production assets
Chercheur principal :
Yoshua Bengio
Sources de financement :
MITACS Inc.
Programmes de subvention :
PVXXXXXX-Stage Accélération Québec - MITACS
2019
- 2020
Satellite Solar Radiation Nowcasting
Chercheur principal :
Yoshua Bengio
Sources de financement :
MITACS Inc.
Programmes de subvention :
PVXXXXXX-Stage Accélération Québec - MITACS
2019
- 2020
Electrical Load Forecasting
Chercheur principal :
Yoshua Bengio
Sources de financement :
MITACS Inc.
Programmes de subvention :
PVXXXXXX-Stage Accélération Québec - MITACS
2019
- 2020
Optimizing Transfer Learning using Bidirectional Encoder Representations from Transformers
Chercheur principal :
Yoshua Bengio
Sources de financement :
MITACS Inc.
Programmes de subvention :
PVXXXXXX-Stage Accélération Québec - MITACS
2019
- 2020
Power Network Transfer Capability
Sources de financement :
MITACS Inc.
Programmes de subvention :
PVXXXXXX-Stage Accélération Québec - MITACS
2019
- 2020
Simplification of long sentences
Chercheur principal :
Yoshua Bengio
Sources de financement :
MITACS Inc.
Programmes de subvention :
PVXXXXXX-Stage Accélération Québec - MITACS
2019
- 2020
OPTIMIZATION FOR BUSINESS SYSTEMS AND CONVERSATIONAL ANALYTICS (Retail Personal Store Manager)
Chercheur principal :
Yoshua Bengio
Sources de financement :
MITACS Inc.
Programmes de subvention :
PVXXXXXX-Stage Accélération Québec - MITACS
2019
- 2020
Cross Domain Recommendation System for the food industry
Chercheur principal :
Yoshua Bengio
Sources de financement :
MITACS Inc.
Programmes de subvention :
PVXXXXXX-Stage Accélération Québec - MITACS
2019
- 2020
Low data drug modeling
Chercheur principal :
Yoshua Bengio
Sources de financement :
MITACS Inc.
Programmes de subvention :
PVXXXXXX-Stage Accélération Québec - MITACS
2019
- 2020
Time-series forecasting
Chercheur principal :
Yoshua Bengio
Sources de financement :
MITACS Inc.
Programmes de subvention :
PVXXXXXX-Stage Accélération Québec - MITACS
2019
- 2020
Super resolution for MRI scans
Chercheur principal :
Yoshua Bengio
Sources de financement :
MITACS Inc.
Programmes de subvention :
PVXXXXXX-Stage Accélération Québec - MITACS
2019
- 2020
Readmission AI: a predictive tool to assess patient risk of hospital readmission
Chercheur principal :
Yoshua Bengio
Sources de financement :
MITACS Inc.
Programmes de subvention :
PVXXXXXX-Stage Accélération Québec - MITACS
2019
- 2020
Real-time object recognition on wearable devices
Chercheur principal :
Yoshua Bengio
Sources de financement :
MITACS Inc.
Programmes de subvention :
PVXXXXXX-Stage Accélération Québec - MITACS
2017
- 2020
Canadian Open Neuroscience Platform_CONP
Chercheur principal :
Alan C Evans
Co-chercheurs :
Yoshua Bengio
,
Julien Doyon
,
Jean-Claude Tardif
,
Patricia Conrod
,
Pierre-Louis Bellec
,
Sébastien Jacquemont
Sources de financement :
Fondation Brain Canada
Programmes de subvention :
2002
- 2020
SUBVENTION D'INFRASTRUCTURE DU FRSQ POUR LE GRSNC(GROUPE DE RECHERCHE SUR LE SYSTÈME NERVEUX CENTRAL)
Co-chercheurs :
Serge Rossignol
,
Yoshua Bengio
,
Guy Doucet
,
Gilles Lavigne
,
Allan Smith
,
Pierre J. Blanchet
,
C. Elaine Chapman
,
Laurent Descarries
,
Gary Duncan
,
Arlette Kolta
,
Jean-Claude Lacaille
,
Richard Warren
,
Lionel Carmant
,
Luc DesGroseillers
,
Adriana Di Polo
,
John Francis Kalaska
,
Yves Lamarre
,
Nicole Leclerc
,
Pierre Rainville
,
Jean-Pierre Gossard
,
Pierre Drapeau
,
Hélène Girouard
,
Jannic Boehm
,
Paul Cisek
,
Numa Dancause
,
Karl J.L. Fernandes
,
Florin Amzica
,
Andrea Michelle Green
,
Daniel Lévesque
,
Anne-Noël Samaha
,
Christine Vande Velde
,
Réjean Dubuc
,
Vincent Castellucci
,
Louis St-Amant
,
Wayne Steven Sossin
Sources de financement :
FRQS/Fonds de recherche du Québec - Santé (FRSQ)
Programmes de subvention :
PVXXXXXX-Subvention de groupe de recherche
2019
AI to predict emergency visits
Chercheur principal :
Yoshua Bengio
Sources de financement :
MITACS Inc.
Programmes de subvention :
PVXXXXXX-Stage Accélération Québec - MITACS
2019
Reinforcement Learning for Aviation Training
Chercheur principal :
Yoshua Bengio
Sources de financement :
MITACS Inc.
Programmes de subvention :
PVXXXXXX-Stage Accélération Québec - MITACS
2018
- 2019
Longitudinal Weak Labeling for Lung Cancer Prognosis and Treatment Response Prediction
Chercheur principal :
Yoshua Bengio
Co-chercheurs :
Pascal Vincent
Sources de financement :
MITACS Inc.
Programmes de subvention :
PVXXXXXX-Stage Accélération Québec - MITACS
2018
- 2019
Data-driven Transplantation Science
Chercheur principal :
Yoshua Bengio
Sources de financement :
SPIIE/Secrétariat des programmes interorganismes à l’intention des établissements
Programmes de subvention :
PVXXXXXX-Fonds d'excellence en recherche Apogée Canada/Projet de recherche
2017
- 2019
Longitudinal Weak Labeling for lung cancer prognosis and treatment response prediction
Chercheur principal :
Yoshua Bengio
Sources de financement :
MITACS Inc.
Programmes de subvention :
PVXXXXXX-Stage Accélération Québec - MITACS
2015
- 2019
Multimodal Multilingual Continuous Representation for Human Language Understanding (M2CR)
Chercheur principal :
Yoshua Bengio
Sources de financement :
FRQNT/Fonds de recherche du Québec - Nature et technologies (FQRNT)
Programmes de subvention :
PVXXXXXX-ERA-NET CHIST-ERA (Recherche Européenne coordonnée)
2015
- 2019
Apprentissage non-supervisé d'architectures profondes pour le changement d'expressions faciales
Sources de financement :
FRQNT/Fonds de recherche du Québec - Nature et technologies (FQRNT)
Programmes de subvention :
PV113724-(PR) Projets de recherche en équipe (et possibilité d'équipement la première année)
2013
- 2019
CHAIRE DE RECHERCHE DU CANADA EN ALGORITHMES D'APPRENTISSAGE STATISTIQUE
Chercheur principal :
Yoshua Bengio
Sources de financement :
SPIIE/Secrétariat des programmes interorganismes à l’intention des établissements
Programmes de subvention :
PVX50399-Chaires de recherche du Canada
2017
- 2018
Apogée Canada fonds d'excellence en recherche / Fonds de soutien à la recherche de l'étudiant Devon Hjelm.
Chercheur principal :
Yoshua Bengio
Co-chercheurs :
Marie-Josée Hébert
Sources de financement :
SPIIE/Secrétariat des programmes interorganismes à l’intention des établissements
Programmes de subvention :
PVXXXXXX-Fonds d'excellence en recherche Apogée Canada
2017
- 2018
Apogée Canada fonds d'excellence en recherche / Compte pour le paiement des salaires et portion recherche des quatre post-doc liée au MILA. Candidats: Devansh Arpit, Devon Hjelm, Joseph Paul Cohen et Jason Jo.
Chercheur principal :
Yoshua Bengio
Co-chercheurs :
Marie-Josée Hébert
Sources de financement :
SPIIE/Secrétariat des programmes interorganismes à l’intention des établissements
Programmes de subvention :
PVXXXXXX-Fonds d'excellence en recherche Apogée Canada
2017
- 2018
Apogée Canada fonds d'excellence en recherche / Fonds de soutien à la recherche de l'étudiant Devansh Arpit
Chercheur principal :
Yoshua Bengio
Co-chercheurs :
Marie-Josée Hébert
Sources de financement :
SPIIE/Secrétariat des programmes interorganismes à l’intention des établissements
Programmes de subvention :
PVXXXXXX-Fonds d'excellence en recherche Apogée Canada
2016
- 2018
Deep Learning for Cognitive Computing
Chercheur principal :
Yoshua Bengio
Sources de financement :
CRSNG/Conseil de recherches en sciences naturelles et génie du Canada (CRSNG)
,
IBM Canada Ltée
,
IBM Canada Ltée
Programmes de subvention :
PVX20973-(RDC-CRD) Partenariat de recherche / Subvention de recherche et développement coopérative
,
,
2016
- 2018
Highperformance computing environment to leverage deep learning technology for large biomedical and neuroimaging data
Chercheur principal :
Yoshua Bengio
Co-chercheurs :
Pascal Vincent
,
Luc Vinet
,
Roland Memisevic
,
Karim Jerbi
,
Aaron Courville
,
Christopher Pal
Sources de financement :
CRSNG/Conseil de recherches en sciences naturelles et génie du Canada (CRSNG)
Programmes de subvention :
PVXXXXXX-(OIR) Outils et d'instruments de recherche (de 7 001 $ à 150 000 $)
2015
- 2018
Leveraging Unlabelled, Off-Task Data to improve ASR for Low-Resource Languages Based on the Transferability of Acoustic Features Learned by Deep Neural Networks
Chercheur principal :
Marc Schoenwiesner
Co-chercheurs :
Yoshua Bengio
Sources de financement :
MITACS Inc.
,
Ministère Économie et Innovation
Programmes de subvention :
PVXXXXXX-Stage Accélération Québec - MITACS
,
PVXXXXXX-Prog. soutien rech (PSR v1B): Soutien à des projets rech. (Mitacs)
2015
- 2018
Leveraging Unlabelled, Off-Task Data to improve ASR for Low-Resource Languages Based on the Transferability of Acoustic Features Learned by Deep Neural Networks
Chercheur principal :
Marc Schoenwiesner
Co-chercheurs :
Yoshua Bengio
2014
- 2018
RESEARCH ON DEEP STRUCTURED OUTPUT MODELS
Chercheur principal :
Yoshua Bengio
Sources de financement :
Nuance Foundation
Programmes de subvention :
2013
- 2016
LARGE-SCALE DEEP LEARNING FOR CONTENT-BASED RECOMMENDATION SYSTEMS
Chercheur principal :
Yoshua Bengio
Sources de financement :
CRSNG/Conseil de recherches en sciences naturelles et génie du Canada (CRSNG)
,
Ubi Soft Divertissements Inc.
Programmes de subvention :
PVX20967-(SPS/SPG) Subventions de projets stratégiques
,
2013
- 2016
ADIABATIC QUANTUM COMPUTING FOR DEEP LEARNING WITH BOLTZMANN MACHINES
Chercheur principal :
Yoshua Bengio
Co-chercheurs :
Aaron Courville
Sources de financement :
CRSNG/Conseil de recherches en sciences naturelles et génie du Canada (CRSNG)
,
D-Wave Systems Inc.
Programmes de subvention :
PVX20967-(SPS/SPG) Subventions de projets stratégiques
,
2013
- 2016
LEARNING REPRESENTATIONS OF PLAYERS EMOTIONS AND STATE FOR NEXT GENERATION GAMING
Chercheur principal :
Pascal Vincent
Sources de financement :
CRSNG/Conseil de recherches en sciences naturelles et génie du Canada (CRSNG)
,
Ubi Soft Divertissements Inc.
Programmes de subvention :
PVX20973-(RDC-CRD) Partenariat de recherche / Subvention de recherche et développement coopérative
,
2011
- 2016
REGROUPEMENT STRATEGIQUES - CALCUL QUEBEC
Chercheur principal :
Normand Mousseau
Co-chercheurs :
Yoshua Bengio
,
Anne Bruneau
,
Bernard Gendron (In Memoriam)
,
Michel Côté
,
Garry Hanan
,
Paul Charbonneau
,
Radu Ion Iftimie
,
Armand Soldera
,
David Sénéchal
,
Nikolas Provatas
,
Nicolas Moitessier
,
Gilbert Holder
,
Brigitte Jaumard
,
Guillaume Lamoureux
,
Hong Guo
,
Alain Rochefort
,
André-Marie Tremblay
,
Alexandre Blais
,
David Walsh
,
Man K. Peter Yau
,
Charles Gale
,
Tal Arbel
,
Andreas T. Warburton
,
Sivakumaran Nadarajah
,
Brigitte Vachon
,
Mohammed Meguid
,
Eric Douglas Galbraith
,
François Bertrand
,
Frédéric Sirois
,
G. Peslherbe
,
Marius Paraschivoiu
,
André Dieter Bandrauk
,
Pierre Harvey
,
Noureddine Atalla
,
Adam Skorek
,
Pierre Dumouchel
,
Frederic Legeron
,
Gabriel Crainic
,
Marc Parizeau
,
Hugo Martel
,
Peter Vanrolleghem
,
Guy Dumas
,
Mario Fafard
,
Eliot McIntire
,
John Molson
,
Christian Gagné
,
André Fortin
,
Pierre Gauthier
Sources de financement :
FRQNT/Fonds de recherche du Québec - Nature et technologies (FQRNT)
Programmes de subvention :
PVXXXXXX-(RS) Programme de regroupements stratégiques
2008
- 2016
CENTRE DE RECHERCHES MATHEMATIQUES (CRM)
Chercheur principal :
Luc Vinet
Co-chercheurs :
Yoshua Bengio
,
François Lalonde
,
Gilles Brassard
,
Michel Delfour
,
Marlène Frigon
,
Véronique Hussin
,
Christiane Rousseau
,
Pavel Winternitz
,
Jacques Bélair
,
Anne Bourlioux
,
Paul M Gauthier
,
Sabin Lessard
,
Jean-François Angers
,
Abraham Broer
,
Nadia El-Mabrouk
,
Gena Hahn
,
Christian Léger
,
Fahima Nekka
,
Jiri Patera
,
Iosif Polterovich
,
Yvan Saint Aubin
,
Andrew Granville
,
Sylvie Hamel
,
Manuel Morales
,
François Perron
,
Octavian Cornea
,
Pierre Duchesne
,
Robert Gwyn Owens
,
Manu Paranjape
,
Jonathan Taylor
,
Michael C. Mackey
,
Frédéric Lesage
,
Erica Moodie
,
Henri Darmon
,
Maxime Descoteaux
,
André Dieter Bandrauk
,
Peter Bartello
,
Chantal David
,
Jean-Marc Lina
,
Johannes Walcher
,
Anthony Raymond Humphries
,
John P. Harnad
,
Jacques Claude Hurtubise
,
Pengfei Guan
,
David Avis
,
James Owen Ramsay
,
John A Toth
,
Sherwin A Maslowe
,
David B Wolfson
,
Karl Peter Russell
,
Olga Kharlampovich
,
Niky Kamran
,
Adrian Iovita
,
Eyal Goren
,
Dmitry Jakobson
,
Alain C. Vandal
,
Vojkan Jaksic
,
Daniel Tzvi Wise
,
Alexei Miasnikov
,
Thomas Wihler
,
Robert Seiringer
,
André Garon
,
John Mullins
,
Éric P. Marchand
,
Debbie Janice Dupuis
,
Syed Ali
,
Yogendra Chaubey
,
Christopher Cummins
,
Pawel Gora
,
Hershy Kisilevsky
,
John McKay
,
Galia Dafni
,
D. Korotkin
,
Benoit Larose
,
Marco Bertola
,
Vasek Chvatal
,
Alexander Shnirelman
,
Alina Stancu
,
Lea Popovic
,
Ibrahim Assem
,
Tomasz Kaczynski
,
Shiping Liu
,
Virginie Charette
,
Vasilisa Shramchenko
,
Bruno L. Rémillard
,
Yinannis Petridis
,
David Sankoff
,
Thomas Brüstle
,
Habib Benali
,
Nantel Bergeron
,
Simon Chauve
,
Francis Clarke
,
Richard Fournier
,
Martin Jakob Gander
,
Nadia Ghazzali
,
Alfred Michel Grundland
,
André Fortin
,
Louis-Paul Rivest
,
Christian Genest
,
François Bergeron
,
Steven P. Boyer
,
Line Baribeau
,
Frédéric Gourdeau
,
Robert Guénette
,
Claude Levesque
,
Pierre Mathieu
,
Thomas Joseph Ransford
,
Jean-Marie De Koninck
,
Javad Mashreghi
,
Thierry Duchesne
,
Srecko Brlek
,
André Joyal
,
Brenda MacGibbon
,
Christophe Reutenauer
,
Vestislav Apostolov
,
Olivier Collin
,
Steven Lu
,
Elisa Shahbazia Ohannessian
Sources de financement :
FRQNT/Fonds de recherche du Québec - Nature et technologies (FQRNT)
Programmes de subvention :
PVXXXXXX-(RS) Programme de regroupements stratégiques
2006
- 2015
PORTION RECHERCHE - NSERC-UBISOFT INDUSTRIAL RESEARCH CHAIR ON LEARNING REPRESENTATIONS FOR IMMERSIVE VIDEO GAMES
Chercheur principal :
Yoshua Bengio
Sources de financement :
Ubi Soft Divertissements Inc.
,
CRSNG/Conseil de recherches en sciences naturelles et génie du Canada (CRSNG)
Programmes de subvention :
,
PVX20971-(PCI) Professeurs-chercheurs industriels-Chaire de recherche industrielle
1994
- 2015
LEARNING DEEP ARCHITECTURES FOR AI
Chercheur principal :
Yoshua Bengio
Sources de financement :
CRSNG/Conseil de recherches en sciences naturelles et génie du Canada (CRSNG)
Programmes de subvention :
PVX20965-(RGP) Programme de subvention à la découverte individuelle ou de groupe
2011
- 2014
DEEP LEARNING FOR IMAGE UNDERSTANDING
Chercheur principal :
Yoshua Bengio
Sources de financement :
Ubi Soft Divertissements Inc.
,
CRSNG/Conseil de recherches en sciences naturelles et génie du Canada (CRSNG)
Programmes de subvention :
,
PVX20973-(RDC-CRD) Partenariat de recherche / Subvention de recherche et développement coopérative
2011
- 2014
APPRENTISSAGE DISTRIBUTE D'ARCHITECTURES PROFONDES SUR D'IMMENSES ENSEMBLES DE DONNEES
Chercheur principal :
Michael Rabbat
Co-chercheurs :
Yoshua Bengio
Sources de financement :
FRQNT/Fonds de recherche du Québec - Nature et technologies (FQRNT)
Programmes de subvention :
PV113724-(PR) Projets de recherche en équipe (et possibilité d'équipement la première année)
2004
- 2014
SUPPORT OF RESEARCH FOR THE ACADEMIC YEAR 2004-2005 TO 2012-2013
Chercheur principal :
Yoshua Bengio
Sources de financement :
ICRA/Institut canadien des recherches avancées
Programmes de subvention :
2013
DEEP LEARNING FOR SPAM FILTERING
Chercheur principal :
Yoshua Bengio
Sources de financement :
CRSNG/Conseil de recherches en sciences naturelles et génie du Canada (CRSNG)
Programmes de subvention :
PV128974-(EGP) Programme de subvention d'engagement partenarial
2013
IMPLEMENTING BOLTZMANN MACHINES ON QUANTUM COMPUTING HARDWARE
Chercheur principal :
Yoshua Bengio
Sources de financement :
CRSNG/Conseil de recherches en sciences naturelles et génie du Canada (CRSNG)
Programmes de subvention :
PV128974-(EGP) Programme de subvention d'engagement partenarial
2012
- 2013
DEEP LEARNING FOR ADAPTIVE REAL-TIME BIDDING
Chercheur principal :
Yoshua Bengio
Sources de financement :
CRSNG/Conseil de recherches en sciences naturelles et génie du Canada (CRSNG)
Programmes de subvention :
PVX81211-(I2IP) Programme De l'idée à l'innovation
2010
- 2013
MACHINE LEARNING ALGORITHMS FOR AUTOMATED ANALYSIS OF PLAYER BEHAVIOR IN NEXT-GENERATION VIDEO GAMES
Chercheur principal :
Yoshua Bengio
Sources de financement :
Ubi Soft Divertissements Inc.
Programmes de subvention :
Rayonnement
En vedette
Mise en valeur d’une recherche
1988
Apprendre aux machines à penser
Des machines qui pensent comme des humains? Voilà un concept qui relève encore de la science-fiction. Ce qui n'empêche pas les chercheurs de s'attaquer à cette question et d'obtenir des résultats intéressants. Yoshua Bengio est professeur titulaire au Département d'informatique et de recherche opérationnelle à l'Université de Montréal et titulaire de la Chaire de recherche du Canada en algorithmes d'apprentissage statistiques. Spécialiste de renommée internationale des réseaux de neurones et de l'apprentissage machine, il se penche sur des problèmes que les ordinateurs doivent résoudre pour « apprendre » à partir des données reçues.
Avec ses douze étudiants et stagiaires postdoctoraux, Yoshua Bengio étudie deux grandes questions : l'élaboration d'algorithmes et de techniques d'apprentissage afin de traiter de nombreuses variables, ainsi que la création d'algorithmes de plus en plus performants pour traiter des dizaines ou des centaines de millions d'éléments d'information.
Apprendre de manière statistique
« Les animaux et les humains apprennent de manière statistique ¹, rappelle M. Bengio. Les événements ne se produisent pas tous de la même manière et chaque situation est nouvelle ou aléatoire. Pour la reconnaître, le cerveau doit, avant de conclure, généraliser ce qu'il a acquis. Et il doit le faire correctement, pour pouvoir prendre les bonnes décisions.
Mais comment un ordinateur peut-il généraliser correctement quand des centaines, des milliers ou des dizaines de milliers de variables sont en jeu? Yoshua Bengio travaille, par exemple, avec des industriels du domaine pharmaceutique pour identifier les molécules les plus prometteuses pour le développement de nouveaux médicaments. Autre exemple, en télécommunications : ses travaux permettent d'effectuer des analyses de clientèle chez Bell dans le but de diminuer les coûts de marketing. Et les algorithmes d'apprentissage qu'il conçoit contribuent aussi à réduire certains risques dans le domaine de la finance. Un groupe de ses étudiants a même fondé une entreprise qui aide les assureurs à évaluer le coût d'une police de manière beaucoup plus précise qu'avec les procédures classiques. Les nouvelles méthodes de calcul en jeu visent trois grands objectifs : résoudre des problèmes, économiser de l'argent et prendre de bonnes décisions.
Modéliser le langage
Dans Internet, les moteurs de recherche comme Google fonctionnent aussi à partir d'algorithmes d'apprentissage statistiques. Par exemple, pour reconnaître le sens du mot Java, le moteur doit analyser suffisamment d'informations pour décider s'il s'agit de l'île, du café ou du langage de programmation. Yoshua Bengio s'intéresse justement à la modélisation du langage. Il tente notamment de modéliser des séquences de mots : « Les machines analysent des centaines de millions de mots et tentent de prévoir le prochain mot à partir de ceux qui précèdent. Nous laissons rouler les ordinateurs pendant des mois. Mais nous sommes encore loin de l'intelligence artificielle telle que présentée dans les films », précise-t-il.
Des algorithmes gourmands
Ces algorithmes d'apprentissage sont extrêmement gourmands en termes de temps de calcul et d'espace de mémoire. Les processeurs de Altix 3700 sont beaucoup plus rapides que ceux auxquels M. Bengio avait accès jusqu'à maintenant et offrent un autre avantage : « Nous pouvons déjà décomposer nos algorithmes de manière à ce que plusieurs processeurs de calcul travaillent parallèlement sur des processeurs différents et qu'ils puissent communiquer entre eux. Il faudrait des mois pour exécuter une telle opération avec un ordinateur normal alors qu'avec Altix 3700, elle s'effectue jusqu'à 100 fois plus vite », explique Yoshua Bengio.
Avec ses douze étudiants et stagiaires postdoctoraux, Yoshua Bengio étudie deux grandes questions : l'élaboration d'algorithmes et de techniques d'apprentissage afin de traiter de nombreuses variables, ainsi que la création d'algorithmes de plus en plus performants pour traiter des dizaines ou des centaines de millions d'éléments d'information.
Apprendre de manière statistique
« Les animaux et les humains apprennent de manière statistique ¹, rappelle M. Bengio. Les événements ne se produisent pas tous de la même manière et chaque situation est nouvelle ou aléatoire. Pour la reconnaître, le cerveau doit, avant de conclure, généraliser ce qu'il a acquis. Et il doit le faire correctement, pour pouvoir prendre les bonnes décisions.
Mais comment un ordinateur peut-il généraliser correctement quand des centaines, des milliers ou des dizaines de milliers de variables sont en jeu? Yoshua Bengio travaille, par exemple, avec des industriels du domaine pharmaceutique pour identifier les molécules les plus prometteuses pour le développement de nouveaux médicaments. Autre exemple, en télécommunications : ses travaux permettent d'effectuer des analyses de clientèle chez Bell dans le but de diminuer les coûts de marketing. Et les algorithmes d'apprentissage qu'il conçoit contribuent aussi à réduire certains risques dans le domaine de la finance. Un groupe de ses étudiants a même fondé une entreprise qui aide les assureurs à évaluer le coût d'une police de manière beaucoup plus précise qu'avec les procédures classiques. Les nouvelles méthodes de calcul en jeu visent trois grands objectifs : résoudre des problèmes, économiser de l'argent et prendre de bonnes décisions.
Modéliser le langage
Dans Internet, les moteurs de recherche comme Google fonctionnent aussi à partir d'algorithmes d'apprentissage statistiques. Par exemple, pour reconnaître le sens du mot Java, le moteur doit analyser suffisamment d'informations pour décider s'il s'agit de l'île, du café ou du langage de programmation. Yoshua Bengio s'intéresse justement à la modélisation du langage. Il tente notamment de modéliser des séquences de mots : « Les machines analysent des centaines de millions de mots et tentent de prévoir le prochain mot à partir de ceux qui précèdent. Nous laissons rouler les ordinateurs pendant des mois. Mais nous sommes encore loin de l'intelligence artificielle telle que présentée dans les films », précise-t-il.
Des algorithmes gourmands
Ces algorithmes d'apprentissage sont extrêmement gourmands en termes de temps de calcul et d'espace de mémoire. Les processeurs de Altix 3700 sont beaucoup plus rapides que ceux auxquels M. Bengio avait accès jusqu'à maintenant et offrent un autre avantage : « Nous pouvons déjà décomposer nos algorithmes de manière à ce que plusieurs processeurs de calcul travaillent parallèlement sur des processeurs différents et qu'ils puissent communiquer entre eux. Il faudrait des mois pour exécuter une telle opération avec un ordinateur normal alors qu'avec Altix 3700, elle s'effectue jusqu'à 100 fois plus vite », explique Yoshua Bengio.
Publications et communications
Publications
Publications pertinentes
- Goodfellow, I.J., Y. Bengio et A. Courville. Deep Learning. Cambridge, MA: MIT Press, 2016.
- LeCun, Y., Y. Bengio et G. Hinton. « Deep learning. » Nature 521, no 7553 (2015): 436–44.
- Bahdanau, D., K. Cho et Y. Bengio. « Neural machine translation by jointly learning to align and translate. » ICLR, 2015. arXiv:1409.0473.
D'autres publications du professeur Yoshua Bengio, sont disponibles ici : http://www.iro.umontreal.ca/~lisa/publications2/index.php/authors/show/1
Disciplines
- Informatique
- Statistiques
- Mathématiques fondamentales
- Mathématiques appliquées
- Génie informatique et génie logiciel
Champ d’expertise
- Apprentissage automatique
- Apprentissage de représentations
- Apprentissage profond
- Base de données temporelle
- Intelligence artificielle
- Modèles probabilistes
- Modèles statistiques
- Réseaux de neurones
- Vision par ordinateur
- Science des données
- Traitement automatique du langage naturel (TALN)
- Modélisation
- COVID19
Aide en ligne pour votre profil | Nous joindre
Le Répertoire des professeurs est propulsé par les données du 
SADVR et est un projet du CENR.
Personnes-ressource dans nos équipes
Formulaires, procédures et systèmes
Occasions de financement avec PIVOT
