Pascal Vincent
- Professeur associé
-
Faculté des arts et des sciences - Département d'informatique et de recherche opérationnelle
André-Aisenstadt local 3251
Courriels
vincentp@iro.umontreal.ca (Travail)
Travail 1 : 514 343-6111 #1794
Web : Site web de l’unité de recherche
Web : LinkedIn
Web : Google Scholar
Web : Autre site web
Web : Autre site web
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.
Expertises
- 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.
Encadrement Tout déplier Tout replier
Finer grained evaluation methods for better understanding of deep neural network representations
Thèses et mémoires dirigés
/
2024
-
2024
Diplômé(e) : Bordes, Florian
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Autoencoders for natural language semantics
Thèses et mémoires dirigés
/
2023
-
2023
Deep networks training and generalization: insights from linearization
Thèses et mémoires dirigés
/
2023
-
2023
Diplômé(e) : George, Thomas
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Adversarial games in machine learning : challenges and applications
Thèses et mémoires dirigés
/
2023
-
2023
Diplômé(e) : Berard, Hugo
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Accounting for variance and hyperparameter optimization in machine learning benchmarks
Thèses et mémoires dirigés
/
2022
-
2022
Diplômé(e) : Bouthillier, Xavier
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Large state spaces and self-supervision in reinforcement learning
Thèses et mémoires dirigés
/
2022
-
2022
Diplômé(e) : Touati, Ahmed
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Advances in parameterisation, optimisation and pruning of neural networks
Thèses et mémoires dirigés
/
2021
-
2021
Diplômé(e) : Laurent, César
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Feature extraction on faces : from landmark localization to depth estimation
Thèses et mémoires dirigés
/
2019
-
2019
Diplômé(e) : Honari, Sina
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Factorized second order methods in neural networks
Thèses et mémoires dirigés
/
2018
-
2018
Diplômé(e) : George, Thomas
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Learning to sample from noise with deep generative models
Thèses et mémoires dirigés
/
2017
-
2017
Diplômé(e) : Bordes, Florian
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Learning a graph made of boolean function nodes : a new approach in machine learning
Thèses et mémoires dirigés
/
2017
-
2017
Diplômé(e) : Mokaddem, Mouna
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Détection de mouvements dans des séquences d’images basée sur la dynamique de supraconductivité
Thèses et mémoires dirigés
/
2016
-
2016
Diplômé(e) : Diagne, Magatte
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Apprentissage d'espaces sémantiques
Thèses et mémoires dirigés
/
2015
-
2015
Diplômé(e) : Mesnil, Grégoire
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Modeling High-Dimensional Audio Sequences with Recurrent Neural Networks
Thèses et mémoires dirigés
/
2014
-
2014
Diplômé(e) : Boulanger-Lewandowski, Nicolas
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Recognition of Facial Expressions with Autoencoders and Convolutional-Nets
Thèses et mémoires dirigés
/
2014
-
2014
Diplômé(e) : Almousli, Hani
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Calcul en n-dimensions sur GPU
Thèses et mémoires dirigés
/
2013
-
2013
Diplômé(e) : Bergeron, Arnaud
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Analyse par apprentissage automatique des réponses fMRI du cortex auditif à des modulations spectro-temporelles
Thèses et mémoires dirigés
/
2010
-
2010
Diplômé(e) : Bouchard, Lysiane
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Modélisation de l'interprétation des pianistes & applications d'auto-encodeurs sur des modèles temporels
Thèses et mémoires dirigés
/
2010
-
2010
Diplômé(e) : Lauly, Stanislas
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Apprentissage de représentations sur-complètes par entraînement d’auto-encodeurs
Thèses et mémoires dirigés
/
2010
-
2010
Diplômé(e) : Lajoie, Isabelle
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Projets de recherche Tout déplier Tout replier
Software infrastructure for Deep Learning Projet de recherche au Canada / 2020 - 2024
Chercheur principal :
Yoshua Bengio
Co-chercheurs :
Jean-Claude Tardif
,
Pascal Vincent
,
Roland Memisevic
,
Marc Jolicoeur
,
Aaron Courville
,
Christopher Pal
,
Doina Precup
,
Joelle Pineau
Sources de financement :
FCI/Fondation canadienne pour l'innovation
Programmes de subvention :
PVXXXXXX-Fonds d'exploitation des infrastructures (FEI)
Union Neurosciences et Intelligence Artificielle Québec (UNIQUE) / Regroupements stratégiques Projet de recherche au Canada / 2019 - 2024
Chercheur principal :
Karim Jerbi
Co-chercheurs :
Yoshua Bengio
,
Christian Casanova
,
Frédéric Gosselin
,
John Francis Kalaska
,
Philippe Langlais
,
Pierre Rainville
,
Richard Robitaille
,
Pierre Jolicoeur
,
Paul Cisek
,
Andrea Michelle Green
,
Simona Maria Brambati
,
Pascal Vincent
,
Pierre-Louis Bellec
,
Hugo Larochelle
,
Guillaume Lajoie
,
Julien Cohen-Adad
,
Frédéric Lesage
,
Alan C Evans
,
José Manuel Fernandez
,
Joelle Pineau
,
Maxime Descoteaux
,
Tal Arbel
,
Jean-Marc Lina
,
Farida Cheriet
,
Erik P. Cook
,
Christian Gagné
,
Yves De Koninck
,
Simon Duchesne
,
François Laviolette
,
Julien Doyon
,
Bratislav Misic
,
Paul De Koninck
,
Simon Hardy
,
Nicolas Doyon
,
Thomas R Shultz
,
Christopher Pack
,
Amir Shmuel
,
Nikola Stikov
,
Kevin Whittingstall
,
Habib Benali
,
Ismail Ben Ayed
,
Patrick Desrosiers
,
Jean-Baptiste Poline
Sources de financement :
FRQNT/Fonds de recherche du Québec - Nature et technologies (FQRNT)
Programmes de subvention :
PVXXXXXX-(RS) Programme de regroupements stratégiques
Exploitation de Diverses Ressources Sémantiques pour une Traduction Automatique à Granularité Hétérogène Projet de recherche au Canada / 2017 - 2021
Sources de financement :
FRQNT/Fonds de recherche du Québec - Nature et technologies (FQRNT)
Programmes de subvention :
PV113724-(PR) Projets de recherche en équipe (et possibilité d'équipement la première année)
Software infrastructure for Deep Learning Projet de recherche au Canada / 2016 - 2021
Chercheur principal :
Yoshua Bengio
Co-chercheurs :
Jean-Claude Tardif
,
Pascal Vincent
,
Roland Memisevic
,
Marc Jolicoeur
,
Aaron Courville
,
Christopher Pal
,
Doina Precup
,
Joelle Pineau
Sources de financement :
FCI/Fondation canadienne pour l'innovation
Programmes de subvention :
PVXXXXXX-Initiative sur la cyberinfrastructure
Unsupervised Anomaly detection using Deep Learning Projet de recherche au Canada / 2019 - 2020
Chercheur principal :
Pascal Vincent
Sources de financement :
MITACS Inc.
Programmes de subvention :
PVXXXXXX-Stage Accélération Québec - MITACS
Longitudinal Weak Labeling for Lung Cancer Prognosis and Treatment Response Prediction Projet de recherche au Canada / 2018 - 2019
Chercheur principal :
Yoshua Bengio
Co-chercheurs :
Pascal Vincent
Sources de financement :
MITACS Inc.
Programmes de subvention :
PVXXXXXX-Stage Accélération Québec - MITACS
Research Support Associate Fellow / Learning in Machines & Brains Projet de recherche au Canada / 2017 - 2019
Chercheur principal :
Pascal Vincent
Sources de financement :
CIFAR - Canadian Institute for Advanced Research/ Institut canadien des recherches avancées
Programmes de subvention :
Apprentissage non-supervisé d'architectures profondes pour le changement d'expressions faciales Projet de recherche au Canada / 2015 - 2019
Sources de financement :
FRQNT/Fonds de recherche du Québec - Nature et technologies (FQRNT)
Programmes de subvention :
PV113724-(PR) Projets de recherche en équipe (et possibilité d'équipement la première année)
LEVERAGING THE MANIFOLD HYPOTHESIS FOR LEARNING REPRESENTATIONS IN DEPP NEURAL NETWORKS Projet de recherche au Canada / 2013 - 2019
Chercheur principal :
Pascal Vincent
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
Highperformance computing environment to leverage deep learning technology for large biomedical and neuroimaging data Projet de recherche au Canada / 2016 - 2018
Chercheur principal :
Yoshua Bengio
Co-chercheurs :
Pascal Vincent
,
Luc Vinet
,
Roland Memisevic
,
Karim Jerbi
,
Aaron Courville
,
Christopher Pal
Sources de financement :
CRSNG/Conseil de recherches en sciences naturelles et génie du Canada (CRSNG)
Programmes de subvention :
PVXXXXXX-(OIR) Outils et d'instruments de recherche (de 7 001 $ à 150 000 $)
Deep Learning for Cognitive Computing Projet de recherche au Canada / 2016 - 2018
Chercheur principal :
Yoshua Bengio
Sources de financement :
CRSNG/Conseil de recherches en sciences naturelles et génie du Canada (CRSNG)
,
IBM Canada Ltée
,
IBM Canada Ltée
Programmes de subvention :
PVX20973-(RDC-CRD) Partenariat de recherche / Subvention de recherche et développement coopérative
,
,
LEARNING REPRESENTATIONS OF PLAYERS EMOTIONS AND STATE FOR NEXT GENERATION GAMING Projet de recherche au Canada / 2013 - 2016
Chercheur principal :
Pascal Vincent
Sources de financement :
CRSNG/Conseil de recherches en sciences naturelles et génie du Canada (CRSNG)
,
Ubi Soft Divertissements Inc.
Programmes de subvention :
PVX20973-(RDC-CRD) Partenariat de recherche / Subvention de recherche et développement coopérative
,
LARGE-SCALE DEEP LEARNING FOR CONTENT-BASED RECOMMENDATION SYSTEMS Projet de recherche au Canada / 2013 - 2016
Chercheur principal :
Yoshua Bengio
Sources de financement :
CRSNG/Conseil de recherches en sciences naturelles et génie du Canada (CRSNG)
,
Ubi Soft Divertissements Inc.
Programmes de subvention :
PVX20967-(SPS/SPG) Subventions de projets stratégiques
,
DEEP LEARNING FOR IMAGE UNDERSTANDING Projet de recherche au Canada / 2011 - 2014
Chercheur principal :
Yoshua Bengio
Co-chercheurs :
Pascal Vincent
,
Christopher Pal
Sources de financement :
Ubi Soft Divertissements Inc.
,
CRSNG/Conseil de recherches en sciences naturelles et génie du Canada (CRSNG)
Programmes de subvention :
,
PVX20973-(RDC-CRD) Partenariat de recherche / Subvention de recherche et développement coopérative
APPRENDRE A MISER DANS DES ENCHÈRES PUBLICITAIRES POUR LA PUBLICITÉ INTERNET Projet de recherche au Canada / 2011 - 2011
Chercheur principal :
Pascal Vincent
TRAQUER LE BUDGET D'UNE CAMPAGNE PUBLICITAIRE INTERNET AVEC MISES ADAPTATIVES Projet de recherche au Canada / 2011 - 2011
Chercheur principal :
Pascal Vincent
Publications Tout déplier Tout replier
- Les publications de Pascal Vincent sont disponibles ici : http://www-labs.iro.umontreal.ca/~vincentp/publications.html
Informations supplémentaires
Consultez cette fiche sur :