Nicolas Le Roux
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 – 2020
Nicolas Le Roux est titulaire d’une chaire en IA Canada-CIFAR à Mila et professeur associé à l’École d’informatique de l’Université McGill et Département d’informatique et de recherche opérationnelle (DIRO) de l’Université de Montréal. Il est chercheur scientifique à Microsoft Research à Montréal.
Il s’intéresse à la façon dont l’interaction entre le bruit et la courbure affecte la vitesse de convergence et la généralisation en optimisation stochastique. Il cherche également à comprendre la dynamique de l’optimisation en apprentissage par renforcement, en particulier les méthodes de gradient de politique.
Prix
- Finaliste pour le prix du meilleur article, Conférence internationale sur l’intelligence artificielle et les statistiques, 2022
- Colauréat du prix Lagrange en optimisation continue, Society for Industrial and Applied Mathematics (SIAM), 2018
Publications Pertinentes
- Sordoni, A., Yuan, X., Côté, M-A., Pereira, M., Trischler, A., Xiao, Z., Hosseini, A., Niedtner, F. et Le Roux, N. (2023). « Joint Prompt Optimization of Stacked LLMs using Variational Inference ». Thirty-seventh Conference on Neural Information Processing Systems.
- Vaswani, S., Bachem, O., Totaro, S., Müller, R., Garg, S., Geist, M., Machado, M.C., Castro, P.S. et Le Roux, N. (2022). « A general class of surrogate functions for stable and efficient reinforcement learning ». AISTATS (pp. 8619-8649).
- Thomas, V., Pedregosa, F., Merriënboer, B., Manzagol, P.A., Bengio, Y., & Le Roux, N. (2020). « On the interplay between noise and curvature and its effect on optimization and generalization ». International Conference on Artificial Intelligence and Statistics.
- Z. Ahmed, N. Le Roux, M. Norouzi et D. Schuurmans (2019). « Understanding the impact of entropy on policy optimization ». International Conference on Machine Learning, 151-160.
- Le Roux, N., Bengio, Y. (2008). « Representational power of restricted Boltzmann machines and deep belief networks », Neural Computation, 20(6):1631-1649.
- Bengio, Y., Paiement, J. F., Vincent, P., Delalleau, O., Le Roux, N., Ouimet, M. (2003). « Out-of-sample extensions for lle, isomap, mds, eigenmaps, and spectral clustering », Advances in Neural Information Processing Systems, 16, p. 177-184.
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.