Samira Ebrahimi Kahou
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
Samira Ebrahimi Kahou est titulaire d’une chaire en IA Canada-CIFAR à Mila, professeure adjointe au Département de génie électrique et logiciel de l’Université de Calgary et professeure associée à l’École d’informatique de l’Université McGill.
Ebrahimi Kahou travaille, avec son groupe, à la résolution de problèmes fondamentaux liés à l’apprentissage de la représentation à des fins décisionnelles, en accordant une attention particulière à la généralisation et à l’apprentissage efficace. Elle se spécialise également dans la distillation des connaissances, la modélisation du climat à l’aide de l’apprentissage profond, la construction d’ensembles de données à grande échelle, la prise de décisions cliniques et la programmation neurolinguistique. Ses travaux ont été publiés dans des revues de premier plan telles que NeurIPS, ICLR, ICML, TMLR, CVPR et ICCV.
Prix
- Deuxième prix pour l’impact technique sur dix ans, 25e conférence internationale de l’ACM sur l’interaction multimodale, 2023
- Deuxième place au PROBA-V Super Resolution Challenge, Agence spatiale européenne, 2019
- Prix de la meilleure thèse du Département de génie informatique, Polytechnique Montréal, 2017
- Chef de l’équipe lauréate de la troisième place au concours Emotion Recognition in the Wild Challenge, ICMI, 2015
- Prix du meilleur article, atelier de l’ECCV sur la vision informatique avec motifs binaires locaux, 2014
- Cheffe de l’équipe lauréate de la première place au concours Emotion Recognition in the Wild Challenge, ICMI, 2013
Publications Pertinentes
- Agarwal, P., Andrews, S. et Ebrahimi Kahou, S. (2024). « Learning to play Atari in a world of tokens », Proceedings of the International Conference on Machine Learning.
- Joslin Kenfack, P., Ebrahimi Kahou, S. et Aïvodji, U. (2024). « A survey on fairness without demographics », Transactions on Machine Learning Research.
- Sheth, I. et Ebrahimi Kahou, S. (2023). « Auxiliary losses for learning generalizable concept-based models », Advances in Neural Information Processing Systems.
- Sujit, S., Nath, S., Braga, P. et Ebrahimi Kahou, S. (2023). « Prioritizing samples in reinforcement learning with reducible loss », Advances in Neural Information Processing Systems.
- Goyal, R., Ebrahimi Kahou, S., Michalski, V., Materzynska, J., Westphal, S., Kim, H., Haenel, V., Fruend, I., Yianilos, P., Mueller-Freitag, M. et coll. (2017). « The “something something” video database for learning and evaluating visual common sense », Proceedings of the International Conference on Computer Vision, vol. 1, p. 3.