Portrait de Courtney Paquette

Courtney Paquette

Membre académique associé
Chaire en IA Canada-CIFAR
Professeure adjointe, McGill University, Département de mathématiques et statistiques
Chercheuse scientifique, Google Brain
Sujets de recherche
Optimisation

Biographie

Courtney Paquette est professeure adjointe à l'Université McGill et titulaire d'une chaire en IA Canada-CIFAR à Mila – Institut québécois d’intelligence artificielle. Sa recherche se concentre sur la conception et l'analyse d'algorithmes pour les problèmes d'optimisation à grande échelle, et vise des applications en science des données. Courtney Paquette a obtenu un doctorat en mathématiques de l'Université de Washington (2017), a occupé des postes postdoctoraux à l'Université Lehigh (2017-2018) et à l'Université de Waterloo (bourse postdoctorale de la NSF, 2018-2019), et a été chercheuse scientifique chez Google Research, Brain Montréal (2019-2020).

Étudiants actuels

Matt Chaubet
Maîtrise recherche - McGill
Elizabeth Collins-Woodfin
Postdoctorat - McGill
Site web
Hugo Latourelle-Vigeant
Maîtrise recherche - McGill
Site web
Andrew Mackenzie
Maîtrise recherche - McGill
Github
Noah Marshall
Doctorat - McGill
Superviseur⋅e principal⋅e :
Adam M. Oberman
Yixi Wang Wang
Maîtrise recherche - McGill
wyixi3345@gmail.com
Github
Kevin Xiao
Doctorat - McGill

Publications

4+3 Phases of Compute-Optimal Neural Scaling Laws
Elliot Paquette
Courtney Paquette
Lechao Xiao
Jeffrey Pennington
2024-09-25
NeurIPS.cc/2024/Conference (spotlight)
openreview.net
openreview.net
The High Line: Exact Risk and Learning Rate Curves of Stochastic Adaptive Learning Rate Algorithms
Elizabeth Collins-Woodfin
Inbar Seroussi
Begoña García Malaxechebarría
Andrew Mackenzie
Elliot Paquette
Courtney Paquette
2024-09-25
NeurIPS.cc/2024/Conference (poster)
openreview.net
openreview.net
Mirror Descent Algorithms with Nearly Dimension-Independent Rates for Differentially-Private Stochastic Saddle-Point Problems extended abstract
Tomas Gonzalez
Cristobal Guzman
Courtney Paquette
2024-06-30
Proceedings of Thirty Seventh Conference on Learning Theory (publié)
proceedings.mlr.press
Implicit Diffusion: Efficient Optimization through Stochastic Sampling
Pierre Marion
Anna Korba
Peter Bartlett
Mathieu Blondel
Valentin De Bortoli
Arnaud Doucet
Felipe Llinares-López
Courtney Paquette
Quentin Berthet
2024-06-26
ICML.cc/2024/Workshop/Differentiable_Almost_Everything (publié)
doi.org
openreview.net
Implicit Diffusion: Efficient Optimization through Stochastic Sampling
Pierre Marion
Anna Korba
Peter Bartlett
Mathieu Blondel
Valentin De Bortoli
Arnaud Doucet
Felipe Llinares-L'opez
Courtney Paquette
Quentin Berthet
2024-02-08
ArXiv (prépublication)
doi.org
arxiv.org
Mirror Descent Algorithms with Nearly Dimension-Independent Rates for Differentially-Private Stochastic Saddle-Point Problems
Tom'as Gonz'alez
Crist'obal Guzm'an
Courtney Paquette
2024-01-01
COLT (publié)
doi.org
arxiv.org
Hitting the High-Dimensional Notes: An ODE for SGD learning dynamics on GLMs and multi-index models
Elizabeth Collins-Woodfin
Courtney Paquette
Elliot Paquette
Inbar Seroussi
2023-08-17
ArXiv (prépublication)
doi.org
arxiv.org
Only tails matter: Average-Case Universality and Robustness in the Convex Regime
Leonardo Cunha
Gauthier Gidel
Fabian Pedregosa
Damien Scieur
Courtney Paquette
2022-06-28
Proceedings of the 39th International Conference on Machine Learning (publié)
doi.org
openreview.net
Only Tails Matter: Average-Case Universality and Robustness in the Convex Regime
Leonardo Cunha
Gauthier Gidel
Fabian Pedregosa
Damien Scieur
Courtney Paquette
2022-06-20
ArXiv (prépublication)
doi.org
openreview.net
Homogenization of SGD in high-dimensions: Exact dynamics and generalization properties
Courtney Paquette
Elliot Paquette
Ben Adlam
Jeffrey Pennington
We develop a stochastic differential equation, called homogenized SGD, for analyzing the dynamics of stochastic gradient descent (SGD) on a … (voir plus)high-dimensional random least squares problem with
2022-05-14
ArXiv (preprint)
arxiv.org
arxiv.org
Homogenization of SGD in high-dimensions: Exact dynamics and generalization properties
Courtney Paquette
Elliot Paquette
Ben Adlam
Jeffrey Pennington
2022-05-14
ArXiv (prépublication)
arxiv.org
arxiv.org
Halting Time is Predictable for Large Models: A Universality Property and Average-Case Analysis
Courtney Paquette
Bart van Merriënboer
Fabian Pedregosa
2022-02-15
Foundations of Computational Mathematics (publié)
doi.org
arxiv.org