Pascal Germain
La nomination
Titulaire de chaire en IA Canada-CIFAR
Stratégie pancanadienne en matière d’IA
À Propos
Pascal Germain est titulaire d’une chaire en IA Canada-CIFAR à Mila et professeur adjoint au département d’informatique et de génie logiciel de l’Université Laval.
Ses domaines de recherche comprennent la théorie statistique de l’apprentissage, dont la théorie PAC-bayésienne, et les algorithmes d’apprentissage.
Publications Pertinentes
- Zantedeschi, V., Viallard, P., Morvant, E., Emonet, R., Habrard, A., Germain, P., Guedj, B. (2021). « Learning Stochastic Majority Votes by Minimizing a PAC-Bayes Generalization Bound ».
- Viallard, P., Germain, P., Habrard, A., Morvant, E. (2021). « Self-Bounding Majority Vote Learning Algorithms by the Direct Minimization of a Tight PAC-Bayesian C-Bound ».
- Viallard, P., Germain, P., Habrard, A., Morvant, E. (2021). « A General Framework for the Derandomization of PAC-Bayesian Bounds ».
- Pequignot, Y., Alain, M., Dallaire, P., Yeganehparast, A., Germain, P., Desharnais, J., Laviolette, F. (2020). « Implicit Variational Inference: the Parameter and the Predictor Space ».
- Zhang, L., Germain, P., Kessaci, Y., Biernacki, C. (2020). « Target to Source Coordinate-wise Adaptation of Pre-trained Models », The European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases (ECML PKDD).
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.