Sarath Chandar
La nomination
Membre des Réseaux de solutions
Membre du comité du programme national
Titulaire de chaire en IA Canada-CIFAR
L’IA intégrée au service de l’imagerie médicale
Stratégie pancanadienne en matière d’IA
À Propos
Titulaire de chaire en IA Canada-CIFAR – Nouveau mandat – 2020
Titulaire de chaire en IA Canada-CIFAR – Mandat renouvelé – 2025
Sarath Chandar est titulaire d’une chaire en IA Canada-CIFAR à Mila. Il est professeur adjoint au département d’informatique et de génie logiciel de Polytechnique Montréal, professeur associé au département d’informatique et de recherche opérationnelle (DIRO) de l’Université de Montréal et professeur associé à l’Institut indien de technologie de Madras.
Ses recherches portent sur la compréhension du langage naturel et sur la conception de machines capables de comprendre le langage humain. Il conçoit des systèmes d’apprentissage continu, qui permettent aux machines de continuer à apprendre au-delà des données initiales recueillies. Ses recherches ont d’importantes répercussions sur tous les systèmes d’apprentissage automatique, y compris les assistants personnels numériques, les voitures à conduite autonome et même les applications médicales, comme celles qui peuvent détecter un cancer à partir d’images médicales.
Prix
- Titulaire d’une chaire de recherche du Canada sur l’apprentissage automatique continu 2023
- Bourse de doctorat, IBM, 2018
- Membre de l’équipe de Mila sur les systèmes de dialogue qui a remporté le 2e prix, démonstration, NeurIPS 2017
Publications Pertinentes
- De Vries, H., Strub, F., Chandar, S., Pietquin, O., Larochelle, H., Courville, A. (2017). « Guesswhat?! visual object discovery through multi-modal dialogue », Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, p. 5503-5512.
- Serban, I. V., Sankar, C., Germain, M., Zhang, S., Lin, Z., Subramanian, S., Chandar, S. ... et Bengio, Y. (2017). « A deep reinforcement learning chatbot ».
- Chandar, S., Khapra, M. M., Larochelle, H., Ravindran, B. (2016). « Correlational neural networks », Neural Computation, 28(2):257-285.
- Serban, I. V., García-Durán, A., Gulcehre, C., Ahn, S., Chandar, S., Courville, A., Bengio, Y. (2016). « Generating factoid questions with recurrent neural networks: The 30m factoid question-answer corpus », Proceedings of the 54th Annual Meeting of the Association for Computational Linguistics, p. 588-598.
- Chandar, S. Lauly, S., Larochelle, H., Khapra, M. M., Ravindran, B., Raykar, V., Saha, A. (2014). « An autoencoder approach to learning bilingual word representations », Proceedings of the 27th International Conference on Neural Information Processing Systems, 2:1853-1861.