Titre: Apprentissage automatique probabiliste pour analyser et comprendre les préférences d'utilisateurs
Conférencier: Laurent Charlin, Professeur adjoint au département des sciences de la décision à HEC Montréal.
Résumé: Je vais introduire et discuter des techniques modernes d'analyse statistique basées sur les modèles probabilistes générateurs (directed graphical models ou Bayes nets). Ces modèles sont très populaires notamment parce qu’ils s’adaptent facilement à différents types de données (par exemple, données discrètes, continues, avec ou sans cible, longitudinales) provenant d’une multitude de domaines (par exemple, intelligence artificielle, santé, éducation, ingénierie, finance). De plus, il existe des outils permettant d'estimer les paramètres de ces modèles à partir de données volumineuses. Pour discuter de certains de ces concepts, je vais utiliser plusieurs exemples tirés de mes recherches récentes sur les systèmes de recommandations.
Bio: Laurent Charlin est un professeur adjoint au département des sciences de la décision à HEC Montréal. Ses champs d'intérêt sont l'apprentissage automatique (machine learning) et en particulier les modèles probabilistes générateurs pour la prise de décision. Plusieurs de ses contributions portent sur ces méthodes appliquées aux systèmes de recommandation.
Le Toronto Paper Matching System, qu'il a codéveloppé, est un système ayant pour but d’aider les organisateurs de conférences à apparier les soumissions d’articles aux relecteurs de la conférence. Depuis cinq ans, ce système est utilisé mondialement par les plus importantes conférences en apprentissage statistique et en vision artificielle.
Laurent a obtenu un diplôme d'ingénieur de l'École Polytechnique de Montréal, une maîtrise de l'Université de Waterloo et un doctorat de l'Université de Toronto. Il a aussi poursuivi des études postdoctorales aux universités Princeton et Columbia ainsi qu'à l'Université McGill. Ses études graduées ont été financées par une bourse CRSNG BESC ainsi qu'une bourse OGS.
Bienvenue à tous!