Christian Gagné
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
Christian Gagné est titulaire d’une chaire en IA Canada-CIFAR à Mila. Il est professeur au département d’informatique et de génie logiciel et directeur de l’Institut intelligence et données (IID) de l’Université Laval.
Ses recherches portent sur l’élaboration de méthodes pour l’apprentissage automatique et l’optimisation stochastique. Il s’intéresse plus particulièrement aux réseaux de neurones profonds, à l’apprentissage et au transfert de représentations, au méta-apprentissage ainsi qu’à l’apprentissage multitâche. Ses travaux portent également sur les approches d’optimisation basées sur des modèles probabilistes ainsi que sur les algorithmes évolutionnaires, notamment pour l’optimisation boîte noire et la programmation automatique.
Prix
- Prix du meilleur article, Canadian AI, 2020
- Prix du meilleur article, GECCO, 2009
- Prix du meilleur article, GECCO, 2002
Publications Pertinentes
- Changjian, S., Xu, G., Chen, Q., Li, J., Ling, C.X., Arbel, T., Wang, B., & Gagné, C. (2022). « On learning fairness and accuracy on multiple subgroups. Advances in Neural Information Processing Systems », 35:34121-34135.
- Arman, A., Larochelle, H., Lalonde, J-F., & Gagné, C. (2022). « Matching feature sets for few-shot image classification. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition », pp. 9014-9024.
- Afrasiyabi, A., Lalonde, J-F., & Gagné C. (2021). « Mixture-Based Feature Space Learning for Few-Shot Image Classification. In International Conference on Computer Vision (ICCV) ».
- Bouchard, C., Wiesner, T., Deschênes, A., Lavoie-Cardinal, F., Gagné, C. (2021). « Task-Assisted GAN for Resolution Enhancement and Modality Translation in Fluorescence Microscopy ».
- Shui, C., Li, Z., Li, J., Gagné, C., Ling, C., Wang, B. (2021). « Aggregating From Multiple Target-Shifted Sources », Proceedings of the 38th International Conference on Machine Learning, PMLR, 139:9638-9648.