Chaires de recherche du Canada
L’apprentissage profond est une technique d’apprentissage automatique qui utilise d’énormes volumes de données et des algorithmes complexes pour apprendre aux ordinateurs à faire ce qui est naturel pour les humains. En tant que titulaire de la Chaire de recherche du Canada en apprentissage automatique, Graham Taylor entend réaliser des avancées en matière d’algorithmes et d’applications dans le domaine de l’apprentissage profond.
M. Taylor et son équipe de recherche poursuivent trois objectifs principaux. Premièrement, ils souhaitent étendre les avantages des modèles génératifs au-delà des actifs numériques comme les images et le texte. Ils mettent également au point des modèles génératifs de graphes, qui découvrent et assemblent automatiquement des pièces. Deuxièmement, ils élaborent un modèle de base pour les données des codes à barres d’ADN, afin de renforcer la science de la biodiversité. Les modèles de base sont de très grands modèles formés à partir de volumineux ensembles de données, qui peuvent facilement être adaptés à des tâches en aval. Enfin, M. Taylor et son équipe réduiront l’empreinte carbone des réseaux profonds – des réseaux qui traitent les données de manière complexe –, tout en améliorant leurs capacités créatrices et prédictives.