Guillaume Rabusseau
- Professeur agrégé
-
Faculté des arts et des sciences - Département d'informatique et de recherche opérationnelle
André-Aisenstadt, room 3151
Profile
Research expertise
Je m’intéresse aux méthodes de tenseurs pour l’apprentissage automatique et à la conception d’algorithmes d’apprentissage pour les données structurées en utilisant l’algèbre linéaire et multilinéaire (par exemple, les méthodes spectrales).
Biography
Depuis septembre 2018, je suis professeur adjoint à Mila et au département d’informatique et de recherche opérationnelle (DIRO) de l’Université de Montréal. Je suis titulaire de la Chaire de recherche du Canada CIFAR AI (CCAI) depuis mars 2019. Avant de rejoindre l’UDEM, j’étais un chercheur postdoctoral au laboratoire de raisonnement et d’apprentissage de l’Université McGill, où j’ai travaillé avec Prakash Panangaden, Joelle Pineau et Doina Precup.
J’ai obtenu mon doctorat en 2016 à AMU, où j’ai travaillé dans l’équipe Qarma (Machine Learning et Multimedia), sous la supervision de François Denis et Hachem Kadri. Auparavant, j’avais obtenu une maîtrise en informatique fondamentale de l’AMU et une licence en informatique de la même université en formation à distance.
Affiliations and responsabilities
Research affiliations
Teaching and supervision
Teaching
Courses taught (current session only)
Programs
Student supervision
Theses and dissertation supervision (Papyrus Institutional Repository)
Adaptive learning of tensor network structures
Cycle : Master's
Grade : M. Sc.
On the VC-dimension of Tensor Networks
Cycle : Master's
Grade : M. Sc.
Estimating the probability of a fleet vehicle accident : a deep learning approach using conditional variational auto-encoders
Cycle : Master's
Grade : M. Sc.
Projects
Research projects
Interdisciplinary Math and Artificial Intelligence Program (INTER-MATH-AI) // Tensor network analysis of graph neural network expressiveness
Machine Learning with Tensor Networks
Machine Learning with Tensor Networks
Boosting Interpretability and Reducing Resource Demands of Machine Learning Models using Tensor Networks
Quantum-Inspired Machine Learning Methods for Anomaly Detection
Randomized numerical linear algebra approaches with tensor methods
Feature and Subgraph based Graph Neural Network (GNN) Explanations
Structured language modeling with recurrent tensor networks
Supplément COVID-19 CRSNG_Machine Learning with Tensor Networks
Connexions entre réseaux récurrents, automates pondérés et réseaux de tenseurs pour l'apprentissage avec données séquentielles
Modeling the transmission of SARS-CoV-2 between zoonotic sources on a gene level
Hierarchical graph kernels for classification of molecules
Outreach
Publications and presentations
Publications
- Les publications de Guillaume Rabusseau sont disponibles ici : https://www-labs.iro.umontreal.ca/~grabus/index.php?page=Publications
Disciplines
- Computer Science
- Computer Engineering and Software Engineering
- Pure Mathematics
Areas of expertise
- Machine learning
- Algorithmics
- Learning process
- Data structures
- Nonlinear programming
- Multispectral imaging