Passer au contenu

/ Département d'informatique et de recherche opérationnelle

Je donne

Rechercher

Hugo Larochelle

Vcard
Professeur associé

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

hugo.larochelle@umontreal.ca

Web : LinkedIn

Web : Compte Twitter

Web : Google Scholar

Web : Profil Facebook

Biographie

Je suis responsable de l’équipe Google Brain basée à Montréal, professeur associé à l’Université de Montréal et Chaire en IA CIFAR-Canada. Ma recherche se spécialise dans l’étude et le développement de méthodes d’apprentissage profond.

Lire plus…

Expertises

Encadrement Tout déplier Tout replier

Beyond top line metrics : understanding the trade-off between model size and generalization properties Thèses et mémoires dirigés / 2024 - 2024
Diplômé(e) : Hooker, Sara
Cycle : Doctorat
Diplôme obtenu : Ph. D.

Lien vers le document dans Papyrus

Contextual cues for deep learning models of code Thèses et mémoires dirigés / 2023 - 2023
Diplômé(e) : Shrivastava, Disha
Cycle : Doctorat
Diplôme obtenu : Ph. D.

Lien vers le document dans Papyrus

Learned interpreters : structural and learned systematicity in neural networks for program execution Thèses et mémoires dirigés / 2023 - 2023
Diplômé(e) : Bieber, David
Cycle : Doctorat
Diplôme obtenu : Ph. D.

Lien vers le document dans Papyrus

Remote sensing representation learning for a species distribution modeling case study Thèses et mémoires dirigés / 2023 - 2023
Diplômé(e) : Elkafrawy, Sara
Cycle : Maîtrise
Diplôme obtenu : M. Sc.

Lien vers le document dans Papyrus

On challenges in training recurrent neural networks Thèses et mémoires dirigés / 2020 - 2020
Diplômé(e) : Anbil Parthipan, Sarath Chandar
Cycle : Doctorat
Diplôme obtenu : Ph. D.

Lien vers le document dans Papyrus

Projets de recherche Tout déplier Tout replier

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

ICRA : Associate Director : Research Support Projet de recherche au Canada / 2017 - 2022

Chercheur principal : Hugo Larochelle
Sources de financement : CIFAR - Canadian Institute for Advanced Research/ Institut canadien des recherches avancées
Programmes de subvention :

Informations supplémentaires

Médias

The Deep End of Deep Learning | Hugo Larochelle | TEDxBoston

Artificial Neural Networks are inspired by some of the "computations" that occur in human brains—real neural networks. In the past 10 years, much progress has been made with Artificial Neural Networks and Deep Learning due to accelerated computer power (GPUs), Open Source coding libraries that are being leveraged, and in-the-moment debates and corroborations via social media. Hugo Larochelle shares his observations of what’s been made possible with the underpinnings of Deep Learning.

Nouvelles

Consultez cette fiche sur :