Passer au contenu

/ La recherche

Je donne

Rechercher

Sciences naturelles et génie; Arts et musique

Douglas Eck

Enseigner aux ordinateurs comment générer leurs propres musiques, vidéos, images et textes

Professeur associé

Faculté des arts et des sciences - Département d'informatique et de recherche opérationnelle

douglas.eck@umontreal.ca

Autre numéro : 650 253-0580 (Travail 1)
Autre courriel : douglas.eck@gmail.com (Travail)

Médias

Making Music and Art Through Machine Learning - Doug Eck of Magenta

Doug Eck is a research scientist at Google and he’s working on Magenta, a project making music and art through machine learning

Douglas Eck – Transforming Technology into Art (FoST 2017)

Douglas Eck, research scientist and lead for Google Brain's Magenta project, is teaching computers how to generate their own music, video, images, and text using neural networks and other types of machine learning.

Portrait

Expertise de recherche

Douglas Eck, chercheur et responsable du projet Magenta de Google Brain, enseigne aux ordinateurs comment générer leurs propres musiques, vidéos, images et textes à l'aide de réseaux de neurones et d'autres types d'apprentissage automatique.

Biographie

De par sa double expertise d’informaticien et de spécialiste de la musique (il est lui-même pianiste amateur), Douglas Eck participa au projet de Radiolibre.ca (voir Forum du 20 février 2006, «Pour une fois, c’est la radio qui vous écoute!») en concevant un programme capable de regrouper les styles musicaux. Les auditeurs qui aiment tel ou tel genre de musique peuvent ainsi avoir accès à une sélection de chansons qui leur convienne.

Douglas Eck est originaire de l’Indiana et a étudié, notamment, en Suisse et à l’Université de l’Indiana. Désireux depuis une dizaine d’années d’établir un pont entre les arts et l’informatique (il possède un baccalauréat en littérature), il s’est tourné vers les circuits neuronaux et l’intelligence artificielle. Il enseigne actuellement l’apprentissage informatisé (machine learning).

Affiliations et responsabilités

Enseignement et encadrement

Encadrement

Thèses et mémoires dirigés (dépôt institutionnel Papyrus)

2012

Espaces de timbre générés par des réseaux profonds convolutionnels

Diplômé(e) : Lemieux, Simon
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
2012

Apprentissage de représentations musicales à l'aide d'architectures profondes et multiéchelles

Diplômé(e) : Hamel, Philippe
Cycle : Doctorat
Diplôme obtenu : Ph. D.
2010

Non-negative matrix decomposition approaches to frequency domain analysis of music audio signals

Diplômé(e) : Wood, Sean
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
2010

Algorithmes de recommandation musicale

Diplômé(e) : Maillet, François
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
2010

Analyse par apprentissage automatique des réponses fMRI du cortex auditif à des modulations spectro-temporelles

Diplômé(e) : Bouchard, Lysiane
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
2010

Modélisation de l'interprétation des pianistes & applications d'auto-encodeurs sur des modèles temporels

Diplômé(e) : Lauly, Stanislas
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
2009

Apprentissage statistique pour l'étiquetage de musique et la recommandation

Diplômé(e) : Bertin-Mahieux, Thierry
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
2007

Apprentissage à base de gradient pour l'extraction de caractéristiques dans les signaux sonores complexes

Diplômé(e) : Lacoste, Alexandre
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
2006

Algorithms for classifying recorded music by genre

Diplômé(e) : Bergstra, James
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
2006

Automatic music classification using boosting algorithms and auditory features

Diplômé(e) : Casagrande, Norman
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
2006

Composition automatique de musique à l'aide de réseaux de neurones récurrents et de la structure métrique

Diplômé(e) : Lapalme, Jasmin
Cycle : Maîtrise
Diplôme obtenu : M. Sc.

Projets

Projets de recherche

2010 - 2015

NEW MACHINE LEARNING METHODS FOR MUSIC : LEARNING AT MULTIPLE TIMESCALES

Chercheur principal : Douglas Eck
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
2010 - 2014

NEW MACHINE LEARNING METHODS FOR MUSIC : LEARNING AT MULTIPLE TIMESCALES

Chercheur principal : Douglas Eck

Rayonnement

Publications et communications

Disciplines

  • Informatique
  • Musique

Champ d’expertise

  • Réseaux de neurones
  • Apprentissage automatique
  • Génération automatique de textes
  • Intelligence artificielle