Experts en : Algorithmique
CARVALHO, Margarida
Professeure agrégée
- Algorithmique
- Théorie des jeux
- Programmation à deux niveaux
- Optimisation combinatoire
- Théorie de la complexité (informatique théorique)
- Conception des réseaux
- Recherche opérationnelle
- Science des données
Margarida Carvalho est spécialiste de la théorie des jeux. Son programme s’appuie sur des approches tirées de la recherche opérationnelle et de l’apprentissage automatique, deux piliers de la science des données.
EL-MABROUK, Nadia
Professeure titulaire
- Algorithmique
- Évolution (Biologie)
- Famille multigénique
- Bio-informatique
- Génomique comparative
- Optimisation combinatoire
- Réarrangement de génomes
Malgré la remarquable unité des principaux composants du monde vivant (ADN, ARN, code génétique), nous ne sommes probablement pas encore assez conscient de toute la diversité des structures génomiques existantes, ni de la diversité des modes d'évolution les générant. En plus des substitutions, insertions et délétions ponctuelles, les génomes évoluent par une multitude de mécanismes tels que réarrangements, transferts horizontaux, pertes de gènes, hybridation, duplications simples, segmentales ou même de génomes entiers. Par la comparaison de génomes, il est possible d'inférer des scénarios d'évolution pour des familles de gènes, des clusters ou des génomes entiers, et de prédire les les charactéristiques des génomes ancestraux. En plus de permettre de documenter l'histoire de l'évolution de la vie sur terre, l'inférence d'histoires évolutives permet de répondre à une multitude de questions biologiques concernant la fonction des gènes et les spécificités génétiques des espèces. Chaque problème, chaque type de mutation (ou combinaison de mutations), nécessite une modélisation spécifique et donne lieu à des développements algorithmiques, combinatoires, statistiques, mathématiques différents. C'est à ces problèmes que nous nous consacrons.
GENDRON, Bernard
Professeur émérite
- Optimisation combinatoire
- Optimisation linéaire en nombres entiers
- Problèmes de planification de grande taille
- Recherche opérationnelle
- Réseaux de transports
- Parallélisme (informatique)
- Recherche heuristique en génie logiciel
- Algorithmique
- Optimistation des systèmes de transports
- Transports
Mon domaine de recherche est l'optimisation combinatoire. Je m'intéresse à la méthodologie et aux applications, notamment aux méthodes exactes et heuristiques, de même qu'aux algorithmes parallèles, pour résoudre des problèmes de grande taille ayant des applications en transport, en télécommunications et en santé.
GENDRON-BELLEMARE, Marc
Professeur associé
- Apprentissage profond
- Informatique théorique
- Algorithmique
- Apprentissage automatique
- Modèles probabilistes
- Apprentissage statistique
Ma recherche se situe à l’intersection de l’apprentissage par renforcement et de la prédiction probabiliste. Je m’intéresse aussi à l’apprentissage profond, à la modélisation générative, à l’apprentissage en ligne et à la théorie de l’information.
MARCOTTE, Patrice
Professeur honoraire
- Affectation du trafic
- Gestion du revenu
- Inéquation variationnelle
- Modèles d'équilibre
- Programmation à deux niveaux
- Programmation non linéaire
- Recherche opérationnelle
- Réseaux futés
- Tarification optimale
- Théorie des jeux
- Transports
- Optimistation des systèmes de transports
- Réseaux de transports
- Algorithmique
- Étude théorique et algorithmique de la programmation à deux niveaux.
- Application à la gestion du revenu dans le transport aérien.
- Modèles d'affectation dans les réseaux de transport urbain et interurbain.
- Étude algorithmique des inéquations variationnelles.
RABUSSEAU, Guillaume
Professeur agrégé
- Apprentissage automatique
- Algorithmique
- Processus d'apprentissage
- Structures de données
- Programmation non linéaire
- Imagerie multispectrale
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).
VINCENT, Pascal
Professeur associé
- Apprentissage automatique
- Apprentissage de représentations
- Apprentissage profond
- Intelligence artificielle
- Mégadonnées
- Modèles statistiques
- Reconnaissance de formes
- Réseaux de neurones
- Algorithmique
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.