À surveiller


Appel à la participation à l'école d'été 2017 en apprentissage profond et apprentissage par renforcement de Montréal.

Participation à la conférence Beneficial AI, et vidéo de ma présentation.

Nouveau poste de professeur en apprentissage automatique au MILA

Postes disponibles pour stages, MSc, PhDs, et post-doc.

Articles sélectionnés

NIPS'2014 Deep Learning and Representation Learning Workshop

Deep Learning - un livre MIT Press en préparation

Tutoriel invité à KDD'2014, Scaling Up Deep Learning.

Conférence pléniaire à AGI'14 présentation et vidéo.

ICLR: the International Conference on Learning Representations

Tutoriel à la conférence d'IA canadienne (2014) sur le sujet des Deep Learning of Representations.

Tutoriel de 4.5 heures donné à MLSS'2014 Reykjavik sur le Deep Learning.

Tutoriel de 5.5 heures donné à SSTiC'2013 sur le SSTiC'2013 summer school 5.5-hour slides on Deep Learning of Representations.

Tutoriel de 4 heures donné à AAAI'2013 intitulé Deep Learning of Representations

Tutoriel à ICML'2012: Representation Learning.

Tutoriel à ACL'2012: Deep Learning for NLP (without Magic).

VIDEO d'une présentation introductoire au ICML'2012 Representation Learning workshop.

Videos et présentation pour l'école d'été 2012: IPAM GSS'2012 Summer School on Deep Learning and Feature Learning

Présentation plénière à BTAS'2013: Deep Learning towards AI.

Article de survol de 2012, unsupervised feature learning and deep learning

Article de survol de 2012, Practical recommendations for gradient-based training of deep architectures

Spéculations sur l'intelligence et l'humanité vue comme un système collectif apprenant

Article de survol de 2009 sur les algorithmes d'apprentissage pour architectures profondes

Conférence publique, mardi 7 oct, 19h30: Bébé IA: de l'humain à la machine [pdf]

 

Yoshua Bengio  


Yoshua Bengio
Professeur titulaire
Département d'informatique et de recherche opérationnelle
Chaire de Recherche du Canada sur les algorithmes d'apprentissage statistique
<mon prénom> (point) <mon nom de famille> (A commercial) umontreal (point) ca

 

 

Profil

Yoshua Bengio est professeur titulaire du Département d'Informatique et Recherche Opérationnelle (DIRO), chef du Laboratoire d'Informatique des Systèmes Adaptatifs (MILA), co-directuer du programme Learning in Machines and Brains de l'Institut Canadien de Recherches Avancées, titulaire de la Chaire de Recherche du Canada sur les algorithmes d'apprentissage statistique, et aussi de la chaire industrielle CRSNG-Ubisoft. Son ambition principale est de comprendre les principes de l'apprentissage qui donnent lieu à l'intelligence.
Il enseigne un cours de niveau maîtrise-doctorat sur les algorithmes d'apprentissage (IFT6266) et il supervise un bon groupe d'étudiants gradués et post-docs. Les résultats de ses recherches sont largement cités (plus de 22000 citations trouvées par Google Scholar en début de 2015, et un H-index de 60).

Yoshua Bengio est actuellement action editor pour le Journal of Machine Learning Research, associate editor pour la revue Neural Computation, éditeur pour Foundations and Trends in Machine Learning, et a été éditeur associé pour le Machine Learning Journal et les IEEE Transactions on Neural Networks.

Yoshua Bengio était Program Chair pour NIPS'2008 et General Chair pour NIPS'2009 (NIPS est la conférence-phare dans les domaines des algorithmes d'apprentissage et le calcul neuronal). Depuis 1999, il a co-organisé le Learning Workshop avec Yann Le Cun, maintenant transmuté en ICLR: the International Conference on Representation Learning. Il a aussi organisé ou co-organisé de nombreux autres évènements, dont ICML'2012 Representation Learning Workshop, NIPS'2011 Deep Learning and Unsupervised Feature Learning Workshop, NIPS'2010 Deep Learning and Unsupervised Feature Learning Workshop, ICML'2009 Workshop on Learning Feature Hierarchies et NIPS'2007 Deep Learning Workshop.


L'ambition de Yoshua Bengio est de comprendre les mécanismes mathématiques et computationnels qui permettent à l'intelligence d'éclore. Il est convaincu que cela se fait à travers l'apprentissage par l'exemple. Cela nous permet de mieux comprendre l'intelligence des humains ou des animaux mais aussi de construire des machines plus intelligentes, qui comprennent le monde qui nous entoure et peuvent en conséquence y prendre des décisions et nous rendre des services. Les progrès en intelligence artificielle vont probablement complètement transformer la société, au moins autant que l'a fait la révolution industrielle. Comprendre notre propre intelligence est aussi important à cause de la satisfaction que cela apporte de mieux nous comprendre nous-mêmes. Yoshua Bengio est un des fondateurs des recherches dans le domaine de l'apprentissage profond, qui est actuellement au coeur des développements technologiques et scientifiques de l'intelligence artificielle, qui profitent aussi de la puissance de calcul et de la quantité de données accrues qui sont maintenant disponibles.
Connectivity
De l'intelligence artificielle au collectif humain


 
Contact

Courriel (le meilleur moyen de me contacter!):
    <mon prénom> (point) <mon nom de famille> (A commercial) umontreal (point) ca

Téléphone:
  Bureau: 514 343 6804
  Fax départemental: 514 343 5834
  Téléphone mobile: sur demande

Courrier postal:
  Le courrier régulier devrait aller à cette boîte postale:
Département d'Informatique et de recherche opérationnelle
Université de Montréal, C.P. 6128, Succ. Centre-Ville
Montréal (QC), H3C 3J7, Canada
  Le courrier express devrait aller à cette adresse civique:
Département d'Informatique et de recherche opérationnelle
Université de Montréal, 2920 chemin de la Tour, suite 2194,
Montréal (QC), H3T 1J4, Canada

En personne:
2920 chemin de la Tour, Montréal,
Pavillon André-Aisenstadt, 3ème étage,
bureau au local 3243


 


Conception du site web: Myriam Côté.