Guillaume Rabusseau
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 – 2019
Guillaume Rabusseau est titulaire d’une chaire en IA Canada-CIFAR à Mila et professeur adjoint au département d’informatique et de recherche opérationnelle (DIRO) de l’Université de Montréal.
Ses recherches, au carrefour de l’apprentissage automatique, de l’informatique théorique et de l’algèbre multilinéaire, portent plus particulièrement sur les méthodes de tenseurs pour l’apprentissage automatique et sur la conception d’algorithmes d’apprentissage pour les données structurées en utilisant l’algèbre linéaire et multilinéaire.
Il s’intéresse notamment aux techniques de décomposition des tenseurs en utilisant des réseaux de tenseurs pour l’apprentissage automatique, l’apprentissage spectral, les méthodes à noyaux, la théorie des automates (pondérés) et les grammaires probabilistes hors contexte, ainsi qu’aux modèles informatiques non linéaires sur les chaînes, les arbres et les graphes.
Publications Pertinentes
- Makarenkov, V., Mazoure, B., Rabusseau, G., Legendre, P. (2021). « Horizontal gene transfer and recombination analysis of SARS-CoV-2 genes helps discover its close relatives and shed light on its origin », BMC Ecology and Evolution, 21(1):1-18.
- Miller, J., Rabusseau, G., Terilla, J. (2021). « Tensor networks for probabilistic sequence modeling », Proceedings of the 24th International Conference on Artificial Intelligence and Statistics, PMLR, 130:3079-3087.
- Rabusseau, G., Li, T., Precup, D. (2019). « Connecting weighted automata and recurrent neural networks through spectral learning », Proceedings of the 22nd International Conference on Artificial Intelligence and Statistics, PMLR, 89:1630-1639.
- François-Lavet, V., Rabusseau, G., Pineau, J., Ernst, D., Fonteneau, R. (2019). « On overfitting and asymptotic bias in batch reinforcement learning with partial observability », Journal of Artificial Intelligence Research, 65:1-30.
- Rabusseau, G., Kadri, H. (2016). « Low-rank regression with tensor responses », Advances in Neural Information Processing Systems, 29:1867-1875.
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.