Lei Ma
La nomination
Titulaire de chaire en IA Canada-CIFAR
Stratégie pancanadienne en matière d’IA
À Propos
Titulaire de chaire en IA Canada-CIFAR – Nouveau mandat – 2021
Lei Ma est titulaire d’une chaire en IA Canada-CIFAR et boursier de l’Amii. Il est professeur agrégé au département de génie électrique et informatique de l’Université de l’Alberta.
Les recherches de Lei Ma se concentrent sur la façon d’offrir à la fois une méthodologie fondamentale d’assurance qualité et un soutien technique systématique lors de la conception de systèmes d’IA complexes afin de les rendre plus fiables, plus sûrs et plus sécurisés et de combler le fossé entre l’IA et ses applications dans le monde réel. Il propose constamment de nouvelles techniques d’évaluation de la qualité, de détection de problèmes de qualité, de localisation, d’analyse des causes profondes, de réparation et autres, conçues à la fois pour les modèles d’IA au niveau des unités d’exploitation et pour les systèmes d’IA au niveau global. Ces techniques permettent de répondre aux préoccupations en matière de qualité des systèmes d’IA dans différents domaines, comme la conduite autonome, les jeux vidéo, l’hypertrucage et les soins de santé.
Mots clés
Apprentissage automatique, intelligence artificielle, IA explicable, ingénierie de systèmes, qualité, fiabilité et sécurité de l’apprentissage automatique, test, débogage, réparation de systèmes d’apprentissage automatique, apprentissage automatique appliqué
Prix
- Prix du meilleur article ACM SIGSOFT, 34e conférence internationale IEEE/ACM sur le génie logiciel automatisé (ASE 2019), nov. 2019
- Prix de l’étoile universitaire Baidu-NASAC, Comité technique de la Fédération informatique chinoise de génie logiciel (CCF TCSE), nov. 2018
- Prix du meilleur article ACM SIGSOFT, 33e conférence internationale IEEE/ACM sur le génie logiciel automatisé (ASE 2018), sept. 2018
- Prix du meilleur article ACM SIGSOFT, 30e conférence internationale IEEE/ACM sur le génie logiciel automatisé (ASE 2015), nov. 2015
- Compétition et prix du meilleur outil d’essai, Compétition internationale d’outils d’essai basés sur la recherche, mai 2015
Publications Pertinentes
- Guo, Q., Juefei-Xu, F., Xie, X., Ma, L., Wang, J., Yu, B., ... et Liu, Y. (2020). « Watch out! motion is blurring the vision of your deep neural networks », Advances in Neural Information Processing Systems, 33.
- Peng, Z., Yang, J., Chen, T. H., Ma, L. (2020). « A first look at the integration of machine learning models in complex autonomous driving systems: a case study on Apollo », Proceedings of the 28th ACM Joint Meeting on European Software Engineering Conference and Symposium on the Foundations of Software Engineering, p. 1240-1250.
- Du, X., Xie, X., Li, Y., Ma, L., Liu, Y., Zhao, J. (2019). « Deepstellar: Model-based quantitative analysis of stateful deep learning systems », Proceedings of the 2019 27th ACM Joint Meeting on European Software Engineering Conference and Symposium on the Foundations of Software Engineering, p. 477-487.
- Ma, L., Juefei-Xu, F., Zhang, F., Sun, J., Xue, M., Li, B., ... et Wang, Y. (2018). « Deepgauge: Multi-granularity testing criteria for deep learning systems », Proceedings of the 33rd ACM/IEEE International Conference on Automated Software Engineering, p. 120-131.
- Ma, L., Artho, C., Zhang, C., Sato, H., Gmeiner, J., Ramler, R. (2015). « Grt: Program-analysis-guided random testing (t) », Proceedings of the 30th IEEE/ACM International Conference on Automated Software Engineering, p. 212-223.
Soutenez-nous
Le CIFAR est un organisme de bienfaisance enregistré qui reçoit le soutien des gouvernements du Canada et du Québec, ainsi que de fondations, de donateurs individuels, d’entreprises et de partenaires canadiens et internationaux.