David Duvenaud
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
David Duvenaud est titulaire d’une chaire en IA Canada-CIFAR à l’Institut Vecteur et professeur adjoint aux départements d’informatique et de sciences statistiques de l’Université de Toronto. Il est également membre fondateur de l’Institut Vecteur et cofondateur de Fable Therapeutics, une entreprise de découverte de médicaments axée sur l’apprentissage automatique.
Les recherches de David Duvenaud se concentrent sur la gouvernance et l’évaluation de l’intelligence artificielle et générale, ainsi que sur l’atténuation des risques catastrophiques liés aux systèmes futurs.
Prix
- Prix Chercheur en début de carrière de l’Ontario, 2022
- Bourse de recherche Sloan, 2022
- Prix du meilleur article, Conférence internationale sur la programmation fonctionnelle, 2022
- Article exceptionnel, mention honorable, Conférence internationale sur l’apprentissage automatique, 2022
- Prix du meilleur article, NeurIPS, 2018
Publications Pertinentes
- Xu, W., Chen, R.T.Q., Li, X. et Duvenaud, D. (2022). « Infinitely Deep Bayesian Neural Networks with Stochastic Differential Equations ». Publié dans Actes de la 25e Conférence internationale sur l’intelligence artificielle et les statistiques. 151:721-738.
- Lorraine, J., Acuna, D., Vicol, P. et Duvenaud, D. (2022). « Complex momentum for optimization in games ». Publié dans Actes de la 25e Conférence internationale sur l’intelligence artificielle et les statistiques. 151:7742-7765.
- Grathwohl, W., Swersky, K., Hashemi, M., Duvenaud, D. et Maddison, C. (2021). « Oops I Took A Gradient: Scalable Sampling for Discrete Distributions ». Publié dans Actes de la 38e Conférence internationale sur l'apprentissage automatique 139:3831-3841.
- X. Li, Chen, T.-K. L. Wong, R. T. Q. Chen, D. Duvenaud (2020). « Scalable gradients for stochastic differential equations », Proceedings of the 23rd International Conference on Artificial Intelligence and Statistics, PMLR 108:3870-3882.
- Chang, C.-H., Creager, E., Goldenberg, A., Duvenaud, D. (2019). « Explaining image classifiers by adaptive dropout and generative in-filling », International Conference on Learning Representations.