Aux mercredis-recherches, vous aurez la chance d'en apprendre davantage sur les fascinants projets de recherche menés par des membres du corps professoral. Ces évènements se veulent inclusifs et tout le monde est encouragé à se joindre à nous!
Voici les dates ouvertes pour l'automne 2024.
Calendrier Automne 2024
| Date | Heure | Lieu | Professeur.e | Domaine | Liens | Inscription ou video |
|---|---|---|---|---|---|---|
| 2 octobre | 12h30 à 13h30 | PK-5115 | Julien Mercier, Neuroqam | Interaction Humain-Machine | Google Scholar | vidéo |
| 30 octobre | 12h30 à 13h30 | PK-5115 | Joël Lefebvre, Linum | Imagerie numérique / Neuroinformatique | Google Scholar | vidéo |
| 13 novembre | 12h30 à 13h30 | PK-5115 | Jean-François Rajotte | Génération de données, apprentissage automatique | Google Scholar | Réservez votre place |
| 27 novembre | 12h30 à 13h30 | PK-5115 | Fatiha Sadat | IA et TAL | Google Scholar | Réservez votre place |
13 novembre Jean-François Rajotte
Partager (et remanier) le réel par l’artificiel
Le partage de données est un moteur essentiel de l’innovation et du progrès scientifique. Toutefois, il est crucial d’en minimiser les risques (e.g. brèches de confidentialité et iniquité) afin que les bénéfices surpassent ces enjeux. Cette présentation se penche sur le rôle des données synthétiques, créées artificiellement, comme approche pour atténuer ces risques tout en examinant les compromis sur la qualité. Nous aborderons quelques applications où les données synthétiques facilitent le partage d'informations. Enfin, nous discuterons comment la génération de données offre la possibilité de contrôler et d’adapter les caractéristiques aux besoins spécifiques des utilisateurs.
27 novembre Fatiha Sadat
Le dilemme de la diversité à l’ère de l’IA
Les récentes avancées de l’IA continuent de gagner du terrain malgré les défis éthiques et sociétaux et les risques critiques qui y sont associés. Le traitement du langage naturel (TAL), en anglais Natural Language Processing (NLP), un domaine à l’intersection de l’IA, de l’informatique et de la linguistique, qui permet aux ordinateurs de comprendre, d’analyser et de générer le langage humain, est également concerné par ces risques et défis.
La plus grande diversité linguistique au monde (plus de 50 %) se trouve dans seulement huit pays (dont la Papouasie-Nouvelle-Guinée, l’Indonésie, le Nigéria, l’Inde, le Brésil, le Mexique et le Cameroun). La majorité des langues parlées dans ces pays sont fortement sous-représentées, voire en danger critique d’extinction ou tristement éteintes. Ces langues disposent souvent de peu ou pas de données ou d’exemples probants pour un entraînement efficace en apprentissage automatique et en TAL, qui a réussi dans la plupart des langues et domaines à ressources élevées.
Cette présentation donnera un aperçu de la problématique des langues pauvres en données d’apprentissage et/ou sous-représentées dans la recherche et le développement en TAL et présentera les défis associés ainsi que certains modèles et méthodes basés sur l’apprentissage automatique, notamment l’apprentissage profond.
Conférences passées
2 octobre Julien Mercier
L’interaction humain-machine et les données multimodales en temps réel
Est-ce qu’il est possible d’améliorer l’interaction humain-machine en prenant en compte des données concernant le fonctionnement cérébral? NeuroLab consiste en une infrastructure de recherche qui permet d’ajouter une perspective psychophysiologique (concernant le fonctionnement du cerveau et du système nerveux) aux études comportementales (ce qu’on peut observer ou rapporter verbalement) de l'affectivité et de la cognition dans des situations d’interaction humain-machine. Superposées aux données comportementales traditionnelles et incontournables en recherche-utilisateur, des données de recherche de nature psychophysiologique représentent une approche relativement nouvelle et riche en retombées pour le développement d'applications interactives. Mesurer des aspects du fonctionnement du cerveau et du système nerveux permet de révéler des phénomènes reliés à l’interaction humain-machine qu’il est impossible d’observer autrement et que nous avons besoin de connaitre pour concevoir de meilleures interfaces.
30 octobre Joël Lefebvre
Mieux comprendre le cerveau grâce à la neuro-informatique et la microscopie
Plusieurs méthodes d'imagerie numérique et outils neuro-informatiques peuvent être employés pour étudier le cerveau. Au laboratoire LINUM à l'UQAM, nous utilisons principalement la microscopie optique pour sonder l'organisation des tissus cérébraux. En particulier, nous employons l'histologie sérielle par tomographie en cohérence optique (S-OCT), une modalité d'imagerie permettant d'obtenir une représentation numérique très précise de la matière blanche en 3D dans l'ensemble du cerveau des souris. Ce type d'imagerie présente des défis informatiques importants, allant de la grande quantité de données générées, à l’automatisation des acquisitions, en passant par la nécessité de développer des pipelines de traitement des données massives multidimensionnelles. Dans cette présentation, nous discuterons des différentes étapes de traitement des données S-OCT, de quelques méthodes neuro-informatiques que nous avons adaptées pour utiliser ces données, et de l'application de ces méthodes à l'étude de la matière blanche. Site du laboratoire Linum
Aux professeur.e.s
Vous êtes intéressé.e.s à communiquer vos projets de recherches, votre parcours et entrer en contact avec des étudiant.e.s? Vous êtes les bienvenu.e.s pour la session d'hiver 2025!
Dates disponibles pour l'hiver 2025
| Date | Professeur.e |
|---|---|
| 5 février | Roman Sarrazin Gendron |
| 12 mars | à venir |
| 26 mars | à venir |
| 16 avril | à venir |
Pour réserver une des plages horaires ci-haut, communiquez avec Eric Lavallée ou Nicolas Goulet