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…

Programmes d’enseignement

Baccalauréat en informatique – Sciences pures et sciences appliquées Technologies de l'information (TIC)
Majeure en informatique – Sciences pures et sciences appliquées Technologies de l'information (TIC)
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
Baccalauréat en bio-informatique – Sciences pures et sciences appliquées Sciences de la santé Sciences de la vie
Baccalauréat en bio-informatique – Sciences pures et sciences appliquées Sciences de la santé Sciences de la vie
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

IFT3395 Fondements de l'apprentissage machine
IFT6166 Méthodes tensorielles en apprentissage automatique
IFT6390 Fondements de l'apprentissage machine

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

Adaptive learning of tensor network structures Thèses et mémoires dirigés / 2023 - 2023

Diplômé(e) : Hashemizadehaghda, Seyed Meraj
Cycle : Maîtrise
Diplôme obtenu : M. Sc.

Lien vers le document dans Papyrus

On the VC-dimension of Tensor Networks Thèses et mémoires dirigés / 2022 - 2022

Diplômé(e) : Khavari, Behnoush
Cycle : Maîtrise
Diplôme obtenu : M. Sc.

Lien vers le document dans Papyrus

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

Interdisciplinary Math and Artificial Intelligence Program (INTER-MATH-AI) // Tensor network analysis of graph neural network expressiveness Projet de recherche au Canada / 2022 - 2028

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

Programmes de subvention : PV118026-FONCER : Prog. formation orientée nouveauté, la collaboration et l'expérience en recherche

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

Randomized numerical linear algebra approaches with tensor methods Projet de recherche au Canada / 2021 - 2024

Chercheur principal : Guillaume Rabusseau

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

Feature and Subgraph based Graph Neural Network (GNN) Explanations Projet de recherche au Canada / 2022 - 2023

Sources de financement : MITACS Inc.

Programmes de subvention : PVXXXXXX-Stage Accélération Québec - MITACS

Structured language modeling with recurrent tensor networks Projet de recherche au Canada / 2021 - 2022

Chercheur principal : Guillaume Rabusseau

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

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