Guillaume Rabusseau

Professeur adjoint

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

André-Aisenstadt local 3151

guillaume.rabusseau@umontreal.ca

514 343-6111 #47612

Web : Site web de l’unité de recherche

Web : CV en anglais

Web : LinkedIn

Web : Google Scholar

Web : Autre site web

Biographie

Depuis septembre 2018, je suis professeur adjoint à Mila et au département d’informatique et de recherche opérationnelle (DIRO) de l’Université de Montréal. Je suis titulaire de la Chaire de recherche du Canada CIFAR AI (CCAI) depuis mars 2019. Avant de rejoindre l’UDEM, j’étais un chercheur postdoctoral au laboratoire de raisonnement et d’apprentissage de l’Université McGill, où j’ai travaillé avec Prakash Panangaden, Joelle Pineau et Doina Precup.

J’ai obtenu mon doctorat en 2016 à AMU, où j’ai travaillé dans l’équipe Qarma (Machine Learning et Multimedia), sous la supervision de François Denis et Hachem Kadri. Auparavant, j’avais obtenu une maîtrise en informatique fondamentale de l’AMU et une licence en informatique de la même université en formation à distance.

Lire plus…

Affiliations

Membre – MILA — Institut des algorithmes d'apprentissage de Montréal

Programmes d’enseignement

Baccalauréat en informatique – Sciences pures et sciences appliquées Technologies de l'information (TIC)
Majeure en informatique – Technologies de l'information (TIC) Sciences pures et sciences appliquées
Baccalauréat en mathématiques et informatique – Sciences pures et sciences appliquées
Baccalauréat en mathématiques et informatique – Sciences pures et sciences appliquées
Baccalauréat en physique et informatique – Sciences pures et sciences appliquées
Baccalauréat en physique et informatique – Sciences pures et sciences appliquées
Baccalauréat en bio-informatique – Sciences pures et sciences appliquées Sciences de la santé Sciences de la vie
D.E.S.S. en apprentissage automatique – Technologies de l'information (TIC) Sciences pures et sciences appliquées

Cours donnés

IFT3395 Fondements de l'apprentissage machine
IFT6761 Colloque 1

Expertises

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).

Encadrement Tout déplier Tout replier

Estimating the probability of a fleet vehicle accident : a deep learning approach using conditional variational auto-encoders Thèses et mémoires dirigés / 2021 - 2021

Diplômé(e) : Malette-Campeau, Marie-Ève
Cycle : Maîtrise
Diplôme obtenu : M. Sc.

Lien vers le document dans Papyrus

Projets de recherche Tout déplier Tout replier

Machine Learning with Tensor Networks Projet de recherche au Canada / 2019 - 2025

Chercheur principal : Guillaume Rabusseau

Sources de financement : CRSNG/Conseil de recherches en sciences naturelles et génie du Canada (CRSNG)

Programmes de subvention : PVXXXXXX-(DGECR) Tremplin vers la découverte

Machine Learning with Tensor Networks Projet de recherche au Canada / 2019 - 2025

Chercheur principal : Guillaume Rabusseau

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

Supplément COVID-19 CRSNG_Machine Learning with Tensor Networks Projet de recherche au Canada / 2020 - 2021

Chercheur principal : Guillaume Rabusseau

Sources de financement : CRSNG/Conseil de recherches en sciences naturelles et génie du Canada (CRSNG)

Programmes de subvention : PVXXXXXX-Supplément à l’appui des étudiants, des stagiaires postdoctoraux et du personnel de soutien à la recherche COVID-19