Simon Lacoste-Julien

Professeur agrégé

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

André-Aisenstadt local 3339

simon.lacoste-julien@umontreal.ca

514 343-6822

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.

Lire plus…

Affiliations

Membre – CRM — Centre de recherches mathématiques

Programmes d’enseignement

Baccalauréat en informatique – Sciences pures et sciences appliquées Technologies de l'information (TIC)
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)

Cours donnés

IFT4055 Projet informatique honor
IFT6132 Prédiction structurée avancée et optimisation
IFT6269 Modèles graphiques probabilistes et apprentissage

Expertises

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

Adversarial games in machine learning : challenges and applications Thèses et mémoires dirigés / 2023 - 2023

Diplômé(e) : Berard, Hugo
Cycle : Doctorat
Diplôme obtenu : Ph. D.

Lien vers le document dans Papyrus

Optimization tools for non-asymptotic statistics in exponential families Thèses et mémoires dirigés / 2022 - 2022

Diplômé(e) : Le Priol, Rémi
Cycle : Doctorat
Diplôme obtenu : Ph. D.

Lien vers le document dans Papyrus

Some phenomenological investigations in deep learning Thèses et mémoires dirigés / 2022 - 2022

Diplômé(e) : Baratin, Aristide
Cycle : Doctorat
Diplôme obtenu : Ph. D.

Lien vers le document dans Papyrus

Acceleration and new analysis of convex optimization algorithms Thèses et mémoires dirigés / 2022 - 2022

Diplômé(e) : Liu, Lewis
Cycle : Maîtrise
Diplôme obtenu : M. Sc.

Lien vers le document dans Papyrus

Towards meaningful and data-efficient learning : exploring GAN losses, improving few-shot benchmarks, and multimodal video captioning Thèses et mémoires dirigés / 2022 - 2022

Diplômé(e) : Huang, Gabriel
Cycle : Doctorat
Diplôme obtenu : Ph. D.

Lien vers le document dans Papyrus

Multi-player games in the era of machine learning Thèses et mémoires dirigés / 2020 - 2020

Diplômé(e) : Gidel, Gauthier
Cycle : Doctorat
Diplôme obtenu : Ph. D.

Lien vers le document dans Papyrus

Projets de recherche Tout déplier Tout replier

Robust and Efficient Structured Prediction Projet de recherche au Canada / 2017 - 2025

Chercheur principal : Simon Lacoste-Julien

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

Towards a Geometric Theory of Information Projet de recherche au Canada / 2021 - 2024

Chercheur principal : Simon Lacoste-Julien

Sources de financement : SPIIE/Secrétariat des programmes interorganismes à l’intention des établissements

Programmes de subvention : PVXXXXXX-Fonds d'excellence en recherche Apogée Canada/Bourse

Uncertainty in Operations Research, Causality and Out-of-Distribution Generalization Projet de recherche au Canada / 2020 - 2024

Chercheur principal : Simon Lacoste-Julien

Sources de financement : SPIIE/Secrétariat des programmes interorganismes à l’intention des établissements

Programmes de subvention : PVXXXXXX-Fonds d'excellence en recherche Apogée Canada/Bourse

Few-Shot Object Segmentation Projet de recherche au Canada / 2021 - 2021

Chercheur principal : Simon Lacoste-Julien

Sources de financement : MITACS Inc.

Programmes de subvention : PVXXXXXX-Stage Accélération Québec - MITACS

Identifiability of latent factors through multiple self-supervision Projet de recherche au Canada / 2020 - 2021

Chercheur principal : Simon Lacoste-Julien

Sources de financement : MITACS Inc.

Programmes de subvention : PVXXXXXX-Stage Accélération Québec - MITACS

Programme de stages - IVADO - Sharan Vaswani / Theoretical Understanding of Deep Neural Networks Projet de recherche au Canada / 2019 - 2021

Chercheur principal : Simon Lacoste-Julien

Sources de financement : SPIIE/Secrétariat des programmes interorganismes à l’intention des établissements

Programmes de subvention : PVXXXXXX-Fonds d'excellence en recherche Apogée Canada/Bourse

Programme de stages postdoctoraux IVADO Stag. Golnoosh Farnadi Projet de recherche au Canada / 2019 - 2021

Chercheur principal : Simon Lacoste-Julien

Sources de financement : SPIIE/Secrétariat des programmes interorganismes à l’intention des établissements

Programmes de subvention : PVXXXXXX-Fonds d'excellence en recherche Apogée Canada/Bourse

Programme de bourses PostDoc 2018 - IVADO - Candidat: Golnoosh Farnadi Projet de recherche au Canada / 2019 - 2021

Chercheur principal : Simon Lacoste-Julien

Sources de financement : SPIIE/Secrétariat des programmes interorganismes à l’intention des établissements

Programmes de subvention : PVXXXXXX-Fonds d'excellence en recherche Apogée Canada/Fonds démarrage et opération

Optimization and machine learning for fleet management of autonomous electric shuttles Projet de recherche au Canada / 2018 - 2021

Chercheur principal : Bernard Gendron

Co-chercheurs : Simon Lacoste-Julien , Gabriel Crainic , Mohammad-Ali Jenabian

Sources de financement : SPIIE/Secrétariat des programmes interorganismes à l’intention des établissements

Programmes de subvention : PVXXXXXX-Fonds d'excellence en recherche Apogée Canada/Projet de recherche

Monte Carlo and Quasi-Monte Carlo Methods for Optimization and Machine Learning Projet de recherche au Canada / 2018 - 2020

Chercheur principal : Pierre L'Écuyer

Co-chercheurs : Simon Lacoste-Julien , Luc P Devroye

Sources de financement : SPIIE/Secrétariat des programmes interorganismes à l’intention des établissements

Programmes de subvention : PVXXXXXX-Fonds d'excellence en recherche Apogée Canada/Projet de recherche

Research Support : Fellow: Learning in Machines & Brains Projet de recherche au Canada / 2017 - 2018

Chercheur principal : Simon Lacoste-Julien

Sources de financement : CIFAR - Canadian Institute for Advanced Research/ Institut canadien des recherches avancées

Programmes de subvention :

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