Laurent Charlin
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
Titulaire de chaire en IA Canada-CIFAR – Mandat renouvelé – 2024
Laurent Charlin est titulaire de chaire en IA Canada-CIFAR, professeur agrégé au Département de sciences de la décision à HEC Montréal et professeur associé au Département d’informatique et de recherche opérationnelle (DIRO) de l’Université de Montréal.
Les recherches de M. Charlin sont axées sur la mise au point de nouveaux modèles d’apprentissage automatique pour aider à la prise de décision. Ses travaux récents portent sur l’apprentissage continu et ses applications dans les systèmes de recommandations l’optimisation et le génie civil. Il est l’auteur d’un certain nombre de publications très citées dans le domaine des systèmes de dialogue. Il a co-développé le Toronto Paper Matching System, qui permet de recommander des articles et de les associer à des lectrices ou lecteurs experts. Ce système a été adopté par les équipes de plus de 100 conférences au cours des 10 dernières années.
Prix
- Google Faculty Research Award, 2017
- Prix Ray Reiter pour étudiants des cycles supérieurs, Université de Toronto, 2012
- Prix d’achèvement du doctorat, Université de Toronto, 2012
- Bourse d’études supérieures Alexander Graham Bell Canada, 2009-2011
- Bourse d’études de cycles supérieurs de l’Ontario, Science et technologie (OGSST), 2008-2009
Publications Pertinentes
- Ostapenko, O., Lesort, T., Rodriguez, P., Arefin, M.R., Douillard, A., Rish, I. et Charlin, L. (2022). « Continual Learning with Foundation Models: An Empirical Study of Latent Replay ». Publié dans Proceedings of Machine Learning Research, 199, pp. 60-91.
- Paulus, MB, Zarpellon, G., Krause, A., Charlin, L. et Maddison, C. « Learning to cut by looking ahead: Cutting plane selection via imitation learning ». Publié dans Proceeding of International Conference on Machine Learning, pp. 17584-17600.
- Ostapenko, O., Rodriguez, P., Caccia, M. et Charlin, L. (2021). « Continual learning via local module composition ». Publié dans Advances in Neural Information Processing Systems, 34, pp. 30298-30312.
- St-Hilaire, F., Burns, N., Belfer, R., Shayan, M., Smofsky, A., Do Vu, D.,... Kochmar, E. (2021). « A Comparative Study of Learning Outcomes for Online Learning Platforms », International Conference on Artificial Intelligence in Education, p. 331-337.
- Devailly, F. X., Larocque, D., Charlin, L. (2021). « IG-RL: Inductive graph reinforcement learning for massive-scale traffic signal control », IEEE Transactions on Intelligent Transportation Systems.