Simon Lacoste-Julien
La nomination
Membre auxiliaire
Titulaire de chaire en IA Canada-CIFAR
Apprentissage automatique, apprentissage biologique
Stratégie pancanadienne en matière d’IA
À Propos
Titulaire de chaire en IA Canada-CIFAR – Nouveau mandat – 2018
Titulaire de chaire en IA Canada-CIFAR – Mandat renouvelé – 2024
Simon Lacoste-Julien est membre auxiliaire du programme Apprentissage automatique, apprentissage biologique du CIFAR et titulaire d’une chaire en IA Canada-CIFAR à Mila. Il est professeur agrégé au département d’informatique et de recherche opérationnelle (DIRO) de l’Université de Montréal ainsi que vice-président et directeur de laboratoire à temps partiel du SAIT AI Lab de Samsung à Montréal.
Ses recherches portent sur l’apprentissage automatique, c’est-à-dire sur la façon de programmer un ordinateur pour qu’il apprenne à partir de données et effectue des tâches utiles. Son principal objectif est de mettre au point et d’analyser des techniques d’apprentissage automatique qui peuvent exploiter, à grande échelle, une riche structure de données dans des applications interdisciplinaires comme le traitement du langage naturel, la recherche d’information, la vision par ordinateur et la bio-informatique. À cette fin, Simon Lacoste-Julien combine des outils issus de l’optimisation, des statistiques et de l’informatique, et aime particulièrement travailler à l’interface de ces domaines. Il est reconnu pour ses contributions dans trois secteurs : la prédiction structurée (problèmes de classification où les sorties sont des objets structurés tels que des séquences ou des graphes) ; l’optimisation à grande échelle (méthode des gradients incrémentaux et optimisation de Frank-Wolfe) ; et la combinaison de modèles génératifs et discriminants.
Prix
- Google Focused Research Award, 2016
- Prix du meilleur lecteur critique, NeurIPS, 2015
- Google Faculty Research Award, 2015
- Bourse de recherche de la Ville de Paris, 2011-2012
- Wolfson College Junior Research Fellowship, Université de Cambridge, 2009-2011
Publications Pertinentes
- Yaakoubi, Y., Soumis, F., Lacoste-Julien, S. (2021). « Structured Convolutional Kernel Networks for Airline Crew Scheduling ».
- Kwon, N., Na, H., Huang, G., Lacoste-Julien, S. (2021). « Repurposing Pretrained Models for Robust Out-of-domain Few-Shot Learning ».
- Larsen, E., Lachapelle, S., Bengio, Y., Frejinger, E., Lacoste-Julien, S., Lodi, A. (2018). « Predicting tactical solutions to operational planning problems under imperfect information ».
- Arpit, D., Jastrzębski, S., Ballas, N., Krueger, D., Bengio, E., Kanwal, M. S., ... Lacoste-Julien, S. (2017). « A closer look at memorization in deep networks », Proceedings of the 34th International Conference on Machine Learning, PMLR, 70:233-242.
- Defazio, A., Bach, F., Lacoste-Julien, S. (2014). « SAGA : A fast incremental gradient method with support for non-strongly convex composite objectives », Advances in Neural Information Processing Systems, 27:1646-1654.