Pascal Vincent
- Professeur associé
-
Faculté des arts et des sciences - Département d'informatique et de recherche opérationnelle
André-Aisenstadt, local 3251
Portrait
Expertise de recherche
Mes recherches portent sur les principes computationnels fondamentaux qui sous-tendent l'extraordinaire capacité à apprendre, comprendre et s'adapter à l'environnement qui caractérise l'intelligence. Le développement de nouveaux algorithmes d'apprentissage basés sur de tels principes, et entraînés avec de vastes quantités de données, est à l'origine des plus récentes percées technologiques en intelligence artificielle.
Je m'intéresse plus particulièrement à la manière dont, partant de flux de données sensorielles brutes (telles les images et les sons), peuvent se construire de façon autonome des représentations de haut niveau, porteuses de sens. Un peu comme ce que savent faire les réseaux de neurones du cerveau, cela revient à modéliser intelligemment la structure de la réalité observée, en y découvrant et exploitant des régularités statistiques complexes.
Biographie
Le professeur Vincent s’intéresse notamment de près à notre faculté en tant qu’humain, à interpréter des données sensorielles brutes (sons, images) et à les convertir en représentations de haut niveau, nous permettant de donner un sens à notre environnement. Via ses travaux de recherches, Pascal Vincent s’adonne notamment à l’exploitation de régularités statistiques complexes afin de modéliser la réalité, à l’image de ce qu’un réseau de neurones serait capable de faire. Grâce à l’avènement des données massives et de nouvelles techniques d’intelligence artificielle, il devient maintenant possible de générer des algorithmes d’apprentissage, qui, à terme, offriront la possibilité aux machines de capter et d’interpréter le monde qui nous entoure, mais aussi de réagir à des situations particulières en adaptant en conséquence une réaction à un évènement donné.
Chercheur à l'Institut des algorithmes d'apprentissage de Montréal aux côtés du professeur Yoshua Bengio, Pascal Vincent est titulaire d’un doctorat en informatique de l’Université de Montréal depuis 2003. Il est professeur au département d’informatique et de recherche opérationnelle (DIRO) de l’Université de Montréal.
Affiliations et responsabilités
Affiliations de recherche
- Titulaire d'une Chaire en IA CIFAR-Canada
Enseignement et encadrement
Encadrement
Thèses et mémoires dirigés (dépôt institutionnel Papyrus)
Finer grained evaluation methods for better understanding of deep neural network representations
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Autoencoders for natural language semantics
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Deep networks training and generalization: insights from linearization
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Adversarial games in machine learning : challenges and applications
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Accounting for variance and hyperparameter optimization in machine learning benchmarks
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Large state spaces and self-supervision in reinforcement learning
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Advances in parameterisation, optimisation and pruning of neural networks
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Feature extraction on faces : from landmark localization to depth estimation
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Factorized second order methods in neural networks
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Learning to sample from noise with deep generative models
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Learning a graph made of boolean function nodes : a new approach in machine learning
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Détection de mouvements dans des séquences d’images basée sur la dynamique de supraconductivité
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Apprentissage d'espaces sémantiques
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Modeling High-Dimensional Audio Sequences with Recurrent Neural Networks
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Recognition of Facial Expressions with Autoencoders and Convolutional-Nets
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Calcul en n-dimensions sur GPU
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Analyse par apprentissage automatique des réponses fMRI du cortex auditif à des modulations spectro-temporelles
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Modélisation de l'interprétation des pianistes & applications d'auto-encodeurs sur des modèles temporels
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Apprentissage de représentations sur-complètes par entraînement d’auto-encodeurs
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Projets
Projets de recherche
Software infrastructure for Deep Learning
Union Neurosciences et Intelligence Artificielle Québec (UNIQUE) / Regroupements stratégiques
Exploitation de Diverses Ressources Sémantiques pour une Traduction Automatique à Granularité Hétérogène
Software infrastructure for Deep Learning
Unsupervised Anomaly detection using Deep Learning
Longitudinal Weak Labeling for Lung Cancer Prognosis and Treatment Response Prediction
Research Support Associate Fellow / Learning in Machines & Brains
Apprentissage non-supervisé d'architectures profondes pour le changement d'expressions faciales
LEVERAGING THE MANIFOLD HYPOTHESIS FOR LEARNING REPRESENTATIONS IN DEPP NEURAL NETWORKS
Highperformance computing environment to leverage deep learning technology for large biomedical and neuroimaging data
Deep Learning for Cognitive Computing
LEARNING REPRESENTATIONS OF PLAYERS EMOTIONS AND STATE FOR NEXT GENERATION GAMING
LARGE-SCALE DEEP LEARNING FOR CONTENT-BASED RECOMMENDATION SYSTEMS
DEEP LEARNING FOR IMAGE UNDERSTANDING
APPRENDRE A MISER DANS DES ENCHÈRES PUBLICITAIRES POUR LA PUBLICITÉ INTERNET
TRAQUER LE BUDGET D'UNE CAMPAGNE PUBLICITAIRE INTERNET AVEC MISES ADAPTATIVES
Rayonnement
Publications et communications
Publications
- Les publications de Pascal Vincent sont disponibles ici : http://www-labs.iro.umontreal.ca/~vincentp/publications.html
Disciplines
- Informatique
- Statistiques
Champ d’expertise
- Apprentissage automatique
- Apprentissage de représentations
- Apprentissage profond
- Intelligence artificielle
- Mégadonnées
- Modèles statistiques
- Reconnaissance de formes
- Réseaux de neurones
- Algorithmique
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.