Suis nous sur
David Rolnick-BW_F

David Rolnick

Titre

  • Titulaire de chaire en IA Canada-CIFAR
  • Stratégie pancanadienne en matière d’IA

Profil

Website

À Propos

David Rolnick se penche sur les innovations en apprentissage automatique qui luttent contre les changements climatiques ainsi que sur les fondements mathématiques des algorithmes d’apprentissage profond. Ses recherches visent à combler les écarts entre la recherche sur l’apprentissage automatique et des domaines tels que l’énergie et l’écologie au moyen d’applications d’atténuation et d’adaptation au changement climatique. Ce travail a considérablement influencé la politique internationale et l’entrepreneuriat. En ce qui a trait aux fondements de l’apprentissage profond, David Rolnick s’intéresse à l’analyse du moment et des raisons de la réussite ou de l’échec de différents algorithmes, ainsi qu’au développement de nouveaux algorithmes qui tirent parti des connaissances en mathématiques et en neurosciences computationnelles. Ces travaux visent à jeter les bases des futures recherches sur l’apprentissage profond en remplaçant les progrès par essais et erreurs par des algorithmes conçus à partir de principes fondamentaux.

Prix

  • Cofondateur et membre du CA, Climate Change AI, 2019
  • Cofondateur et membre du CA, Climate Change AI, 2019
  • Bourse postdoctorale en mathématiques, NSF, 2018
  • Bourse d’études supérieures, NSF, 2013
  • Bourse Fulbright, 2012

Publications Pertinentes

  • D. Rolnick, K.P. Körding. « Reverse-engineering deep ReLU networks », Proceedings of the 37th International Conference on Machine Learning (ICML), 2020.
  • D. Rolnick, P.L. Donti, L.H. Kaack, K. Kochanski, A. Lacoste, K. Sankaran, A.S. Ross, N. Milojevic-Dupont, N. Jaques, A. Waldman-Brown, A. Luccioni, T. Maharaj, E.D. Sherwin, S.K.
  • D. Rolnick, A. Ahuja, J. Schwarz, T.P. Lillicrap, G. Wayne. « Experience replay for continual learning », Advances in Neural Information Processing Systems 32 (NeurIPS 2019).
  • B. Hanin, D. Rolnick. « Complexity of linear regions in deep networks », Proceedings of the 36th International Conference on Machine Learning, PMLR 97:2596-2604, 2019.
  • D. Rolnick, M. Tegmark, « The power of deeper networks for expressing natural functions », International Conference on Learning Representations (ICLR), 2018.

Soutenez-nous

Le CIFAR est un organisme de bienfaisance enregistré qui reçoit le soutien des gouvernements du Canada, de l’Alberta et du Québec, ainsi que de fondations, de donateurs individuels, d’entreprises et de partenaires canadiens et internationaux.

Centre MaRS, tour Ouest
661, avenue University, bureau 505
Toronto (Ontario) M5G 1M1 Canada