Simon Lacoste-Julien
- Professeur agrégé
-
Faculté des arts et des sciences - Département d'informatique et de recherche opérationnelle
André-Aisenstadt local 3339
Courriels
slacoste@iro.umontreal.ca (Travail)
Web : Site web de l’unité de recherche
Web : LinkedIn
Web : Compte Twitter
Web : Google Scholar
Web : Autre site web
Biographie
Simon Lacoste-Julien est professeur agrégé dans le département d’informatique et de recherche opérationnelle de l’Université de Montréal, membre co-fondateur de Mila et détenteur d’une Chaire en IA CIFAR-Canada. Ses recherches portent sur l’apprentissage automatique et les mathématiques appliquées, avec comme application la vision par ordinateur et le traitement automatique des langues. Il a obtenu son doctorat en informatique à l’Université de Californie à Berkeley en 2009, suivi d’un post-doc à l’Université de Cambridge et a été chercheur au sein de INRIA et le département d’informatique de l’École normale supérieur de Paris pendant quelques années avant de faire un retour au bercail à Montréal en 2016 pour se joindre au projet de Yoshua Bengio de faire de Montréal une « silicon mountain » de l’intelligence artificielle.
Affiliations
- Membre – CRM — Centre de recherches mathématiques
Programmes d’enseignement
- Maîtrise en informatique – Sciences pures et sciences appliquées Technologies de l'information (TIC)
- DESS en apprentissage automatique – Sciences pures et sciences appliquées Technologies de l'information (TIC)
- Maîtrise en bio-informatique – Sciences pures et sciences appliquées Sciences de la santé Sciences de la vie
Cours donnés
- IFT6269 Modèles graphiques probabilistes et apprentissage
Expertises
- Apprentissage automatique
- Apprentissage de représentations
- Apprentissage profond
- Intelligence artificielle
- Modèles statistiques
- Programmation non linéaire
- Réseaux de neurones
- Traitement automatique du langage naturel (TALN)
- Science des données
Son objectif de recherche principal est de mettre au point et d’analyser des techniques d’apprentissage automatique qui peuvent exploiter, à large échelle, la riche structure de données dans des applications interdisciplinaires, comme le traitement du langage naturel, l’extraction d’information, la vision artificielle et la biologie computationnelle. À cette fin, il associe des outils d’optimisation, de statistiques et d’informatique, et il aime particulièrement travailler à l’interface entre les domaines. Lacoste-Julien est reconnu pour ses contributions dans trois domaines : prédiction structurée (problèmes de classification où les extrants sont des objets structurés, comme des séquences ou des graphiques); optimisation à large échelle (méthode des gradients incrémentaux et optimisation de Frank-Wolfe); et association de méthodes génératives et discriminatoires.
Encadrement Tout déplier Tout replier
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Projets de recherche Tout déplier Tout replier
Robust and Efficient Structured Prediction Projet de recherche au Canada / 2017 - 2025
Towards a Geometric Theory of Information Projet de recherche au Canada / 2021 - 2024
Uncertainty in Operations Research, Causality and Out-of-Distribution Generalization Projet de recherche au Canada / 2020 - 2024
Few-Shot Object Segmentation Projet de recherche au Canada / 2021 - 2021
Identifiability of latent factors through multiple self-supervision Projet de recherche au Canada / 2020 - 2021
Programme de stages - IVADO - Sharan Vaswani / Theoretical Understanding of Deep Neural Networks Projet de recherche au Canada / 2019 - 2021
Programme de stages postdoctoraux IVADO Stag. Golnoosh Farnadi Projet de recherche au Canada / 2019 - 2021
Programme de bourses PostDoc 2018 - IVADO - Candidat: Golnoosh Farnadi Projet de recherche au Canada / 2019 - 2021
Optimization and machine learning for fleet management of autonomous electric shuttles Projet de recherche au Canada / 2018 - 2021
Monte Carlo and Quasi-Monte Carlo Methods for Optimization and Machine Learning Projet de recherche au Canada / 2018 - 2020
Research Support : Fellow: Learning in Machines & Brains Projet de recherche au Canada / 2017 - 2018
Publications Tout déplier Tout replier
Osokin, A., F. Bach et S. Lacoste-Julien. « On Structured Prediction Theory with Calibrated Convex Surrogate Losses. » Article présenté à la NIPS conference, Long Beach, 2017.
Lacoste-Julien, S. et M. Jaggi. « On the Global Linear Convergence of Frank-Wolfe Optimization Variants. » Article présenté à la conférence NIPS, Montréal, 2015.
Defazio, A., F. Bach et S. Lacoste-Julien. « SAGA: A Fast Incremental Gradient Method With Support for Non-Strongly Convex Composite Objectives. » Article présenté à la conférence NIPS, Montréal, 2014.
Lacoste-Julien, S. et coll. « Block-Coordinate Frank-Wolfe Optimization for Structural SVMs. » Article présenté à la conférence ICML, Atlanta, Georgia, 2013.
Lacoste-Julien, S., F. Huszár et Z. Ghahramani. « Approximate Inference for the Loss-Calibrated Bayesian. » Article présenté à la conférence AISTATS, Fort Lauderdale, Florida, 2011.
Prix et distinctions
-
- Subvention à la découverte du CRSNG, 2017
- Google Focused Research Award, 2016
- Wolfson College Junior Research Fellowship, Université de Cambridge, 2009–2011
- Prix d’étudiant diplômé du Collège de génie de l’Université de la Californie à Berkeley, 2008
Informations supplémentaires
- 15-11-2017 Entrevue avec Simon Lacoste-Julien sur les robots-tueurs
- 04-03-2019 Grâce à l'intelligence artificielle, les ordinateurs sont beaucoup plus efficaces pour nous tendre des pièges
- 02-05-2019 Samsung Electronics Expands SAIT AI Lab Montreal to Spur AI Research for Next-Generation System Semiconductor
- 12-06-2019 Un expert de l’IA embauchera 20 chercheurs à Mila
- 16-06-2019 5 idées reçues sur l’IA, démontées par des chercheurs
- 05-08-2018 La révolution IA a bel et bien démarré, affirme Simon Lacoste-Julien
Médias
Consultez cette fiche sur :