Répertoire des expertises
Retour aux résultats de recherche
Modifier ma fiche
Aide
  Publications
  Lien(s)
Twitter Google Scholar
Sarath Chandar Anbil Parthipan
B.Ing (Anna University, Chennai, Inde), M.Sc. (Indian Institute of Technology Madras), Ph.D. (Université de Montreal)
  Publications
  Lien(s)
Professeur adjoint
Département de génie informatique et génie logiciel
Tél. : (514) 340-4711 poste 3245 Téléc. : (514) 340-5139 Local : M-3406
Twitter Google Scholar

Intérêts de recherche et affiliations

Intérêts de recherche
  • Réseaux de neurones récurrents
  • Apprentissage continu
  • Apprentissage par renforcement
  • Apprentissage profond
  • Traitement du langage naturel
  • Apprentissage machine
  • Intelligence artificielle
Affiliation(s)

Publications

Publications récentes
Article de revue
Madsen, A., Reddy, S. & Anbil Parthipan, S.C. (2023). Post-hoc Interpretability for Neural NLP: A Survey. ACM Computing Surveys, 55(8), 42 pages. Tiré de https://doi.org/10.1145/3546577
Communication de conférence
Clouatre, L., Parthasarathi, P., Zouaq, A. & Anbil Parthipan, S.C. (2022). Local Structure Matters Most: Perturbation Study in NLU. Communication présentée à 60th Annual Meeting of the Association-for-Computational-Linguistics (ACL 2022), Dublin, IRELAND (p. 3712-3731). Tiré de https://doi.org/10.18653/v1/2022.findings-acl.293
Communication de conférence
Faramarzi, M., Amini, M., Badrinaaraayanan, A., Verma, V. & Chandar, S. (2022). PatchUp: A Feature-Space Block-Level Regularization Technique for Convolutional Neural Networks. Communication présentée à 36th AAAI Conference on Artificial Intelligence (AAAI 2022), En ligne/Online (p. 589-597).
Communication de conférence
Wan, Y., Rahimi-Kalahroudi, A., Rajendran, J., Momennejad, I., Anbil Parthipan, S.C. & van Seijen, H. (2022). Towards Evaluating Adaptivity of Model-Based Reinforcement Learning Methods. Communication présentée à 39th International Conference on Machine Learning (ICML 2022), Baltimore, MD.
Voir toutes les publications (27)

Biographie

Sarath Chandar est professeur adjoint à Polytechnique Montréal, où il dirige le laboratoire de recherche Chandar. Il est aussi membre académique principal de Mila, institut québécois d’IA, et il est titulaire d’une chaire en IA Canada-CIFAR. Il possède un Ph.D. de l’Université de Montréal. Ses intérêts de recherche incluent l’apprentissage continu, l’apprentissage profond, l’apprentissage par renforcement et le traitement du langage naturel. M. Chandar a agi comme membre du comité de programme des événements suivants : ICML, NeurIPS, ICLR et AAAI. Il est également président sectoriel pour l’ICLR 2020 et pour la conférence 2020 de l’AAAI. Depuis 2016, M. Chandar organise l’atelier sur l’apprentissage continu, et il a présenté des tutoriels dans le cadre de la conférence du NAACL 2016 et de celle sur l’EMNLP 2017.

Enseignement

INF8953CE - Machine Learning (Automne 2020)

INF6900/7900A - Communication scientifique et technique I et II (Automne 2020)

 

Formation

  • Baccalauréat en ingénierie - Computer Science and Engineering (Anna University, Chennai, Inde)
  • Maîtrise en science - Research in Computer Science and Engineering (Indian Institute of Technology Madras)
  • Doctorat en informatique (Université de Montréal)

Revue de presse concernant Sarath Chandar Anbil Parthipan

20 avril 2021, La Presse, L'IA s'intègre de plus en plus partout Dans cet article, Sarath Chandar Anbil Parthipan, professeur adjoint au Département de génie informatique et génie logiciel de Polytechnique Montréal et membre du MILA (Institut québécois d'intelligence artificielle), discute du développement de solutions en intelligence artificielle.