Portrait de Chris Pal

Chris Pal

Membre académique principal
christopher.pal@mila.quebec
Chaire en IA Canada-CIFAR
Professeur titulaire, Polytechnique Montréal, Département de génie informatique et de génie logiciel
Professeur associé, Université de Montréal, Département d'informatique et de recherche opérationnelle
Sujets de recherche
Apprentissage profond
Site web
Google Scholar
X

Biographie

Christopher Pal est titulaire d'une chaire en IA Canada-CIFAR, professeur titulaire à Polytechnique Montréal et professeur adjoint au Département d'informatique et de recherche opérationnelle (DIRO) de l'Université de Montréal. Il est également chercheur émérite à ServiceNow Research. Il est engagé dans la recherche sur l'intelligence artificielle et l'apprentissage automatique depuis plus de 25 ans, publiant souvent des travaux sur les méthodes de modélisation du langage à grande échelle et les techniques de modélisation générative. Il a obtenu un doctorat en informatique à l'Université de Waterloo.

Étudiants actuels

Mai Ababneh
Collaborateur·rice de recherche - Formerly McGill (but ending)
Paul Barde
Collaborateur·rice de recherche - McGill
Superviseur⋅e principal⋅e :
Derek Nowrouzezahrai
Site web
Github
Google Scholar
Hugo Baudchon
Maîtrise recherche - UdeM
Github
Chris Beckham
Doctorat - Polytechnique
Can (Sam) Chen
Collaborateur·rice alumni - McGill
Superviseur⋅e principal⋅e :
Xue (Steve) Liu
Site web
Léa Demeule
Doctorat - UdeM
Superviseur⋅e principal⋅e :
Glen Berseth
Site web
Github
Amine El-hattami
Doctorat - Polytechnique
Chris Emezue
Maîtrise recherche - UdeM
Co-superviseur⋅e :
Derek Nowrouzezahrai
Site web
Github
Google Scholar
Matthew Fortier
Collaborateur·rice alumni - Polytechnique
Github
Google Scholar
Roger Girgis
Doctorat - Polytechnique
Florian Golemo
Postdoctorat - McGill
Site web
Github
Google Scholar
Anthony Gosselin
Maîtrise recherche - Polytechnique
Site web
Github
Google Scholar
Simon Guiroy
Doctorat - UdeM
Co-superviseur⋅e :
Sarath Chandar
Site web
Github
Google Scholar
Yousef Kotp
Maîtrise recherche - Concordia
Co-superviseur⋅e :
Mahdi Hosseini
Site web
Github
Google Scholar
Michelle Lin
Maîtrise recherche - UdeM
Site web
Github
Google Scholar
Olga Luo
Doctorat - UdeM
Aristides Milios
Doctorat - UdeM
Site web
Github
Google Scholar
Joel Moniz
Doctorat - Polytechnique
Jonathan Pilault
Doctorat - Polytechnique
Github
Google Scholar
Juan Rodriguez
Doctorat - École de technologie suprérieure
Site web
Github
Google Scholar
Luke Rowe
Doctorat - UdeM
Superviseur⋅e principal⋅e :
Liam Paull
Site web
Github
Google Scholar
Gaurav Sahu
Postdoctorat - HEC
Superviseur⋅e principal⋅e :
Laurent Charlin
Site web
Github
Google Scholar
Aditya Sharma
Doctorat - Polytechnique
Superviseur⋅e principal⋅e :
Amal Zouaq
Site web
Github
Google Scholar
Mattie Tesfaldet
Doctorat - McGill
Superviseur⋅e principal⋅e :
Derek Nowrouzezahrai
Site web
Github
Google Scholar
Martin Weiss
Doctorat - Polytechnique
Site web
Github
Google Scholar
Matthew Wiens
Doctorat - UdeM
Site web

Publications

Theano: A Python framework for fast computation of mathematical expressions
Rami Al-rfou'
Guillaume Alain
Amjad Almahairi
Christof Angermüller
Dzmitry Bahdanau
Nicolas Ballas
Frédéric Bastien
Justin S. Bayer
A. Belikov
A. Belopolsky
Yoshua Bengio
Arnaud Bergeron
J. Bergstra
Valentin Bisson
Josh Bleecher Snyder
Nicolas Bouchard
Nicolas Boulanger-Lewandowski
Xavier Bouthillier
Alexandre De Brébisson
Olivier Breuleux … (voir 92 de plus)
Pierre Luc Carrier
Kyunghyun Cho
Jan Chorowski
Paul F. Christiano
Tim Cooijmans
Marc-Alexandre Côté
Myriam Côté
Aaron Courville
Yann Dauphin
Olivier Delalleau
Julien Demouth
Guillaume Desjardins
Sander Dieleman
Laurent Dinh
M'elanie Ducoffe
Vincent Dumoulin
Samira Ebrahimi Kahou
Dumitru Erhan
Ziye Fan
Orhan Firat
Mathieu Germain
Xavier Glorot
Ian J. Goodfellow
Matthew Graham
Caglar Gulçehre
Philippe Hamel
Iban Harlouchet
Jean-philippe Heng
Balázs Hidasi
Sina Honari
Arjun Jain
S'ebastien Jean
Kai Jia
Mikhail V. Korobov
Vivek Kulkarni
Alex Lamb
Pascal Lamblin
Eric P. Larsen
César Laurent
S. Lee
Simon-mark Lefrancois
Simon Lemieux
Nicholas Léonard
Zhouhan Lin
J. Livezey
Cory R. Lorenz
Jeremiah L. Lowin
Qianli M. Ma
Pierre-Antoine Manzagol
Olivier Mastropietro
R. McGibbon
Roland Memisevic
Bart Van Merriënboer
Vincent Michalski
Mehdi Mirza
Alberto Orlandi
Chris Pal
Razvan Pascanu
Mohammad Pezeshki
Colin Raffel
Daniel Renshaw
Matthew David Rocklin
Adriana Romero Soriano
Markus Dr. Roth
Peter Sadowski
John Salvatier
François Savard
Jan Schlüter
John D. Schulman
Gabriel Schwartz
Iulian V. Serban
Dmitriy Serdyuk
Samira Shabanian
Etienne Simon
Sigurd Spieckermann
S. Subramanyam
Jakub Sygnowski
Jeremie Tanguay
Gijs van Tulder
Joseph P. Turian
Sebastian Urban
Pascal Vincent
Francesco Visin
Harm de Vries
David Warde-Farley
Dustin J. Webb
M. Willson
Kelvin Xu
Lijun Xue
Li Yao
Saizheng Zhang
Ying Zhang
Theano is a Python library that allows to define, optimize, and evaluate mathematical expressions involving multi-dimensional arrays efficie… (voir plus)ntly. Since its introduction, it has been one of the most used CPU and GPU mathematical compilers - especially in the machine learning community - and has shown steady performance improvements. Theano is being actively and continuously developed since 2008, multiple frameworks have been built on top of it and it has been used to produce many state-of-the-art machine learning models. The present article is structured as follows. Section I provides an overview of the Theano software and its community. Section II presents the principal features of Theano and how to use them, and compares them with other similar projects. Section III focuses on recently-introduced functionalities and improvements. Section IV compares the performance of Theano against Torch7 and TensorFlow on several machine learning models. Section V discusses current limitations of Theano and potential ways of improving it.
2016-05-09
ArXiv (preprint)
arxiv.org
arxiv.org