Guillaume Rabusseau
- Professeur agrégé
-
Faculté des arts et des sciences - Département d'informatique et de recherche opérationnelle
André-Aisenstadt, local 3151
Portrait
Expertise de recherche
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).
Biographie
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 et responsabilités
Affiliations de recherche
Enseignement et encadrement
Enseignement
Cours siglés (session en cours uniquement)
Programmes
Encadrement
Thèses et mémoires dirigés (dépôt institutionnel Papyrus)
Adaptive learning of tensor network structures
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
On the VC-dimension of Tensor Networks
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Estimating the probability of a fleet vehicle accident : a deep learning approach using conditional variational auto-encoders
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Projets
Projets de recherche
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
Rayonnement
Publications et communications
Publications
- Les publications de Guillaume Rabusseau sont disponibles ici : https://www-labs.iro.umontreal.ca/~grabus/index.php?page=Publications
Disciplines
- Informatique
- Génie informatique et génie logiciel
- Mathématiques fondamentales
Champ d’expertise
- Apprentissage automatique
- Algorithmique
- Processus d'apprentissage
- Structures de données
- Programmation non linéaire
- Imagerie multispectrale
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.