Undergraduate introduction to research scholarships – Summer internships

Undergraduate introduction to research scholarships – Summer internships

IVADO’s commitment to equity, diversity and inclusion and note to applicants
To ensure all members of society draw equal benefit from the advancement of knowledge and opportunities in data science, IVADO promotes equity, diversity and inclusion through each of its programs. IVADO aims to provide a recruitment process and research setting that are inclusive, non-discriminatory, open and transparent.

Overview

Description

FAQ

Application

Results - 2018 Contest

Results - 2019 Contest

Results - 2020 Contest

  • Field of study: The IVADO undergraduate introduction to research scholarships – Summer internships supports research on the issues raised in the Canada First funding competition: data science in a broad sense, including methodological research in data science (machine learning, operations research, statistics) and its application in a range of sectors including the priority sectors of IVADO (health, transportation, logistics, energy, business and finance) or any other sector of application (sociology, physics, linguistics, engineering, etc.).
  • Amount of award and grant period: up to $5,000 for a maximum of 12 weeks
  • Opening of the application process: May 11th, 2020 9 a.m. EDT
  • Application deadline: May 20th, 2020 1 p.m. EDT
  • Expected results notification date: June 2020
  • Criteria: See the description tab
  • Submission: See the submission tab
  • Information: programmes-excellence@ivado.ca

Program objectives

This program for undergraduates aims at:

  • offering them the opportunity to learn about research;
  • encouraging them to pursue graduate studies;
  • allowing them to become familiar with the methods and domains promoted by IVADO;

Eligibility

The student:

  • Must be enrolled in an undergraduate program at HEC Montréal, Polytechnique Montréal or Université de Montréal. Students may also be enrolled in the University of Alberta or McGill University;
  • Must have a minimum average grade of B + (or equivalent: 3,3/4,3 or 3/4). The average taken into account is the cumulative average appearing on the bulletin for the semester preceding the competition date (fall 2019);
  • Must have completed at least 24 credits at the beginning of the internship.

The supervisor:

  • Must be a faculty member either
    • at HEC Montréal, Polytechnique Montréal or Université de Montréal, or
    • at the University of Alberta or McGill University and a full member of one of IVADO’s research groups (Mila, CIRRELT, GERAD, CERC Data Science for real-time decision making, CRM, Tech3Lab).
    • Eligible professors are assistant professors, associate professors, full professors, research professors or visiting professors. Adjunct professors are not eligible.
    • Can not present more than three applications for interns for the same year.

For the possible co-supervisor, there are no constraints.

Funding period

The funding period starts June 1st, 2020.

Amounts and terms

The funds shall be transferred to the office of research of the supervisor’s university, and the university shall pay the student according to its own compensation rules. For projects that require ethics approval, the funds shall only be paid out once the approval is granted. Some projects may require specific agreements (e.g. pertaining to intellectual property).

Competitive process

Review and criteria

The applications shall be reviewed to ensure compliance with program rules (e.g. applications that are incomplete, exceed the page limit or list an ineligible applicant or supervisor). Only applications that meet all criteria will be forwarded to the review committee.

The review committee will check the project’s alignment between the research project and IVADO’s scientific direction, then shall rank the applications based on excellence, as well as the project’s alignment with IVADO’s overarching framework, which aims to promote multidisciplinary collaboration and diversity in data science. In terms of excellence, the committee will specifically assess:

  1. Student evaluation will be based primarily on his/her grades and multidisciplinary and professional experiences, extra-academic activities, collaborations, contributions to the scientific community and society as a whole, etc.
  2. Quality evaluation of the proposed training will be based primarily on the quality of the research project in which the student will engage, but also on opportunities for training and introduction to research, susceptibility to encourage the applicant to continue in graduate studies and consistency between the internship project and the candidate’s profile.
  3. For equal competence, preference will be given to a competent student from one of the target groups.

Final step and commitments

The student shall:

  • Be physically present at his/her supervisor’s university;
  • Contribute to IVADO’s community and activities by, for example, taking part in:
    • presentations on his/her research;
    • training and knowledge dissemination activities;
    • consultations;
    • support during various activities;
  • Recognize that he/she is a member of an academic community to which he/she shall contribute;
  • Comply with the Tri-Agency Open Access Policy on Publication. Students are encouraged to publish their research findings (papers, recordings of presentations, source codes, databases, etc.), in compliance with the intellectual property rules that apply to their own specific case;
  • Recognize the financial support granted by IVADO and the CFREF when disseminating the research results and, more broadly, in all the activities in which he/she takes part

The supervisor shall:

  • Provide a work environment that is conducive to the completion of the project
  • Oversee the work of the student

FAQ

  • What is the equivalent of a B +?
    • HEC Montreal: 3.3 / 4.3
    • Polytechnique Montreal: 3.0 / 4
    • University of Montreal: 3.3 / 4.3
  • How long should the internship be?
    • The internship must last between 6 and 12 weeks. The amount of the scholarship is $5,000 for 12 weeks, and pro-rated for shorter terms.
  • I am not registered for the summer session, but I am still an undergraduate student. Can I get an IVADO scholarship?
    • Yes. It is not mandatory to be registered in the session in which the internship takes place.
  • Can my internship be credited?
    • Yes, insofar as the activity credited is in line with the spirit of the IVADO program, especially the initiation to research aspect.
  • Can I be enrolled in a course and an internship with IVADO during the same period?
    • Yes, as long as the internship supervisor accepts it, and that there is a clear agreement on working hours. The number of internship hours per week, however, must add up to full time.
  • I am a student with a student visa. Can I get an IVADO scholarship?
    • Yes, as long as your CAQ and study permit remains valid for the duration of the internship. For more information about the need to be enrolled in the Bachelor program, please contact your university.
  • I have just finished my program in the fall, can I get an IVADO scholarship?
    • Depending on the institution where you will do your internship, it can be accepted. Please contact your university.
  • Can the IVADO scholarship be combined with the NSERC one (USRA)?
    • No.
  • Is there a particular format for preparing a CV?
    • No, there is no particular format that needs to be followed. However, each piece of the record must help the assessor to form an opinion on the record. A CV that is too long or confusing may make evaluation more difficult.
  • Can I send my unofficial transcript?
    • No, you must upload us your official transcript including all your current results. Originals or certified copies must be scanned and uploaded to the application and for non-Canadian universities, you must specify the rating scale.

Other questions? Please submit them to programmes-excellence@ivado.ca

Please apply through: https://ivado.smapply.io/

All applications sent by email will be rejected.

All applications shall contain:

  • a questionnaire to be completed on the platform;
  • a common-language description of the project (maximum length of one page) to upload;
  • student CV (free format) to upload;
  • official transcripts (as well as information on the grading scale when the transcript is issued by a non-Canadian university).
  • Samuel Aguilar Lussier (Université de Montréal, Éric Lécuyer)
    • Développement d’approches en apprentissage par machine pour prédire la distribution intracellulaies des acides ribonucléiques (ARNs)
  • Maxine Arcand-Lavigne (Université de Montréal, Karim Jerbi)
    • Data-mining sleep brain signals using machine-learning: effect of caffeine (EEG)
  • Viviane Aubin (Polytechnique Montréal, Miguel Anjos)
    • Optimisation de ressources hydroélectriques pour l’intégration des énergies renouvelables
  • Éliot Bankolé (HEC Montréal, Olivier Bahn)
    • Modèle d’évaluation intégrée « BaHaMa » : développement d’une version multirégionale
  • Gabriel Bisson-Grégoire (Polytechnique de Montréal, Samuel Kadoury)
    • Classification de tumeurs du foie à l’aide d’un réseau neuronal convolutif
  • Marise Bonenfant-Couture (Polytechnique Montréal & Université de Montréal, Michel Gagnon & Lyne Da Sylva)
    • Outil d’analyse méthodologique et contextuelle d’articles scientifiques en santé mentale
  • Anas Bouziane (Polytechnique Montréal, Yann-Gaël Guéhéneuc)
    • Reclassification des systemes de journalisation : une approche par apprentissage machine
  • Olivier Caron-Grenier (Université de Montréal, Numa Dancause)
    • Adaptive cortical neuroprosthesis for neuromuscular control
  • Guillaume Caza-Levert (Université de Montréal, Jocelyn Dubuc)
    • Données automatisées d’alimentation pour prédire les maladies des veaux laitiers
  • Karl Chemali (Université de Montréal, Carole Fortin)
    • Évaluation des mouvements du tronc chez des adolescents avec et sans scoliose idiopathique
  • Léo Choinière (Université de Montréal, Julie Hussin)
    • Studying fine-scale population structure using neural networks
  • Florian Coustures (HEC Montreal, Marc Fredette)
    • Optimisation de la calibration de mesures neurophysiologiques
  • Mathieu David-Babin (Université de Montréal, Nicolas Vermeys)
    • Recherche de modèle prédictif de décisions en justice
  • Éric De Celles (McGill University, Marc Fredette)
    • Évaluation de la perte d’information engendrée par l’inspection visuelle ou automatisée des données EEG
  • Thomas Derennes (Université de Montréal, An Tang)
    • Predictive model of colorectal cancer liver metastases response to chemotherapy
  • Andre Diler (Polytechnique Montréal, Samuel Kadoury)
    • Learning normalized inputs for iterative estimation on medical image segmentation
  • Paloma Fernandez-Mc Auley (Université de Montréal, Christine Tappolet)
    • Éthique et science cognitive de l’attention manipulée par l’IA
  • Jorge Luis Flores (Université de Montréal, François Major)
    • Discoverning the RNA structural determinants of the RNA-binding proteins
  • François Gauthier (Université de Montréal, Marc Lavoie)
    • Topographie cérébrale du rythme thêta dans la régulation émotionnelle: Étude pilote chez une population atteinte de schizophrénie
  • Roxanne Giorgi (HEC Montréal, Marc Fredette)
    • Modélisation de la périodicité d’un signal brut provenant de données EEG
  • Éric Girard (Université de Montréal, Daniel Sinnett)
    • Application de méthodes d’apprentissage machine pour l’amélioration des traitements contre les cancers pédiatriques
  • Simon Guichandut (Université de Montréal, Marina Martinez)
    • Cortical control of motor recovery: a dynamical systems perspective
  • Aurélie Guilbault (Université de Montréal, Pascale Legault)
    • Interactions ARN-protéines dans la maturation des microARN
  • Simonne Harvey-Lavoie (Université de Montréal, Annie-Claude Labbé)
    • Lymphogranulomatose vénérienne : facteurs de risque et présentation clinique
  • Yikun Jiang (McGill University, Nathan Yang)
    • Machine Learning to Nudge Health Behaviours
  • Philippe Kavalec (Polytechnique Montréal, Brunilde Sansò)
    • Mobilité et performance des communications des villes intelligentes
  • Florence Landry Hould (Université de Montréal, Philippe Jouvet)
    • Validation de l’automatisation du score automatisé de défaillance multiviscérale Pediatric Logistic Organ Dysfunction-2 (aPELOD-2)
  • Jean Laprés-Chartrand (Université de Montréal, Fabian Bastin)
    • Extensions de l’algorithme du gradient stochastique pour l’estimation de modèles mixed logit
  • Francis Leblanc (Université de Montréal, Guillaume Lettre)
    • Accessing chromatin interactions by high-resolution analyses of correlated regulatory element variation
  • Anthony Lemieux (Université de Montréal, Anthony McGraw)
    • Approches computationnelles pour investiguer les dérèglements épigénétiques héritables
  • Léa Lingaya (Université de Montréal, Louis Doray)
    • The occurrence of cyber risk incidents
  • Elizabeth Maurice-Elder (Université de Montréal, Serge McGraw)
    • Rétablissement de dérèglements épigénétiques héritables dans les Cellules Embryonnaires par Édition de l’Épigénome
  • Juliette Milner (Université de Montréal, Marina Martinez)
    • Optimisation multivariée d’une neuroprothèse corticale pour le contrôle moteur
  • Man Qing Liang (Université de Montréal, Aude Motulsky)
    • Développement d’un outil d’analyse syntaxique pour structurer des données liées aux prescriptions électroniques
  • Adam Sigal (Université de Montréal, Liam Paull)
    • Duckietown AI Driving Olympics
  • Justin Pelletier (Université de Montréal, Julie Hussin)
    • Caractérisation de la famille des pharmacogènes CYP4F
  • Charles Piette (Polytechnique Montréal, Brunilde Sansò)
    • Projet en IoT et Villes
  • Marc Revol (Université de Montréal, Emma Frejinger)
    • Optimisation de l’utilisation de la flotte de locomotives du CN
  • Alex Richard-St-Hilaire (Université de Montréal, Julie Hussin)
    • Détection de mutation de novo dans les gènes du Cytochrome p450
  • Imene Abid (HEC Montréal, Pierre-Majorique Léger)
    • Générateur de données synthétiques pour améliorer l’apprentissage en science des données
  • Zyad Benameur (Polytechnique Montréal, Chahé Nerguizian)
    • Méthodes d’apprentissage automatique dans l’aide à l’élaboration de plans d’interventions en éducation
  • Anas Bouziane (Polytechnique Montréal, Bram Adams)
    • Reverse-engineering of and migration towards scalable NoSQL data architecture
  • Simon Chamorro (Polytechnique Montréal, Christopher Pal)
    • Navigational Assistant for the Visually Impaired (NAVI)
  • Andrew Chi (HEC Montréal, Erick Delage)
    • Optimizing Timetables for Operators at a Quebec energy distribution company
  • Omar Chikhar (HEC Montréal, Marc Fredette)
    • Automation of signal processing methods for feature construction on physiological signals
  • Léo Choinière (Institut de cardiologie de Montréal (ICM), Julie Hussin)
    • Traitement de Données Génomiques par Différentes Architectures de Réseaux de Neurones
  • Valérie Daigneault (Université de Montréal, Frédéric Gosselin)
    • Intégration et traitement temporel de la vision dans le cerveau lors de la reconnaissance d’attributs faciaux : modélisation de données MEG et comportementales en apprentissage machine
  • Etienne Denis (McGill University, William Hamilton)
    • Multi-Relational Link Prediction Using Graph Neural Networks (SEARL)
  • David Teddy Diffo Nguemetsing (Université de Montréal, Numa Dancause)
    • Learning algorithms for functional cortical neurostimulation
  • Sandra Ferland (Université de Montréal, Cisek Paul)
    • Les mécanismes neuronaux de la prise de décision
  • Aude Forcione-Lambert (Université de Montréal, Guy Wolf)
    • Probing learned network structure in a multi-task setting
  • Dominique Fournelle (Université de Montréal, Julie Hussin)
    • Annotation des chromosomes sexuels de l’ornithorynque par apprentissage automatique
  • Martine Francoeur (HEC Montréal, Olivier Bahn)
    • Projet de stage sur la modélisation du secteur énergétique du Mexique
  • Enora Georgeault (HEC Montréal, Marie-Ève Rancourt)
    • Modèles prédictifs de l’allocation des dons de la Croix-Rouge canadienne en réponse aux feux de forêt
  • William Glazer-Cavanagh (Polytechnique Montréal, Bram Adams)
    • Automatic integration and deployment of AI models
  • Alexandre Gravel (Université de Montréal, Bernard Gendron)
    • Méthodes lagrangiennes pour la résolution de problèmes de conception de réseaux
  • Rose Guay Hottin (Université de Montréal, Marina Martinez)
    • Un agent d’apprentissage pour une neuroprothèse cortico-spinale Marina
  • Alice-Marie Hamelin (Polytechnique Montréal, Michel Gamache)
    • Outil de planification en temps réel pour les mines souterraines
  • Jérémie Huppé (Polytechnique Montréal, Maleknaz Nayebi)
    • Automated communication analysis for Software-aided emergency management
  • Arnaud L’Heureux (Université de Montréal, Alain Tapp)
    • Utilisation de réseau profond pour la simplification automatique de textes
  • Julien Leissner-Martin (Université de Montréal, Jean-François Arguin)
    • Using Deep Learning to Identify Electrons at the Large Hadron Collider (LHC)
  • Anthony Lemieux (Centre hospitalier universitaire Mère-Enfant (CHU Sainte-Justine), Serge McGraw)
    • Investigation de dérégulations épigénétiques héritables par approches computationnelles
  • Rui Ze Ma (Université de Montréal, Franz Bernd Lang)
    • Investigation of systematic errors in genome assembly algorithms
  • Mohammed Mahmoud (Polytechnique Montréal, Mohamed Ouali)
    • Prediction of Fiber Quantity and Quality in Forest Supply Chains Using Artificial intelligence Methods
  • Filip Milisav (Université de Montréal, Karim Jerbi)
    • Studying social influence using a neuroimaging and data science approach
  • Alexandre Morinvil (Polytechnique Montréal, Giovanni Beltrame)
    • IA sécuritaire dans les essaims de drones : Développer une approche permettant aux petits essaims de drones de suivre les humains en toute sécurité
  • Derek Ojeda Centeno (Polytechnique Montréal, Brunilde Sansò)
    • Simulation multiniveaux pour les applications des villes intelligentes
  • Pierrick Pascal (Polytechnique Montréal, Sébastien Le Digabel)
    • Création d’une interface Julia pour NOMAD pour l’ajustement automatique des hyper-paramètres d’algorithmes d’optimisation
  • Justin Pelletier (Institut de cardiologie de Montréal (ICM), Julie Hussin)
    • Évaluation de scores de risque polygénique selon le sexe et la structure populationnelle
  • Pierre-Elie Personnaz (Polytechnique Montréal, Dominique Orban)
    • Traitement de la dégénérescence par régularisation en optimisation continue
  • Marie-Eve Picard (Université de Montréal, Pierre Jolicoeur)
    • Analyses multivariées des interactions entre différents processus attentionnels (EEG): une approche orientée sur les données
  • Myriam Prasow-Émond (Université de Montréal, Julie Hlavacek-Larrondo)
    • Étude de l’amas de galaxies supermassif MACSJ1447.7+0827
  • Zakaria Rayadh (HEC Montréal, Jean-Francois Cordeau)
    • Évaluation empirique de méthodes de prévision de la demande
  • Khadija Rekik (Polytechnique Montréal, Brunilde Sansò)
    • Visualisation et Analyse de données des réseaux des villes intelligentes
  • Daniel Tomasso (Centre hospitalier de l’Université de Montréal (CHUM), Dang Khoa Nguyen)
    • Epileptic seizure detection by combining smart wear monitoring and artificial intelligence techniques
  • Fama Tounkara (Université de Montréal, Franco Lepore)
    • Validation d’une batterie de tests visuels comme aide au diagnostic de troubles neurologiques
  • Étienne Tremblay (Polytechnique Montréal, Réjean Plamondon)
    • Application heuristique des sciences des données à la théorie cinématique des mouvements humains
  • Anton Volniansky (Institut de cardiologie de Montréal (ICM), Jean-François Tanguay)
    • Banque de données des issues cliniques à court et long termes des Échafaudages Vasculaires Biorésorbables comparativement aux Stents pharmacoactifs de 2e génération
  • Abdelkader Zobiri (Polytechnique Montréal, Brunilde Sansò)
    • Performances des micro-PMUs dans les Villes Intelligentes

2nd edition

  • Adrien Adam (Polytechnique Montréal, Benjamin De Leener)
    • Développement d’une méthode de super-résolution pour l’imagerie quantitative de susceptibilité néonatale
  • Fanny Beltran (Polytechnique Montréal, Benjamin De Leener)
    • Développement d’une méthode basée sur l’apprentissage automatique pour la reconstruction d’images IRM “sparse” du cerveau chez le nouveau-né
  • Valérie Bibeau (Polytechnique Montréal, Bruno Blais)
    • Conception d’un réseau de neurones pour prédire la puissance des agitateurs à partir de données massives issues de simulations
  • Ludovic Bilodeau-Laflamme (Polytechnique Montréal, Sansò Brunilde)
    • Modèles statistiques de la distribution des délais d’accès dans un réseau mobile
  • Genevieve Bock (Polytechnique Montréal, Sofiane Achiche)
    • Conception et réalisation d’un agent conversationnel intelligent (chatbot) pour aider les personnes vivant avec le VIH à mieux gérer leurs traitements anti-VIH
  • Rodrigo Chavez Zavaleta (Polytechnique Montréal, Sarath Chandar Anbil Parthipan)
    • Understanding the Dynamics of Non-saturating Recurrent Units
  • Feng Yang Chen (Polytechnique Montréal, David Alexandre Saussié)
    • Learning based visual waypoint detection for agile drone flight
  • Cheng Chen (McGill University, Aditya Mahajan)
    • Regret in learning the optimal linear quadratic regulator: empirical comparison of Thompson sampling and adaptive control algorithms
  • Ghassen Cherni (Polytechnique Montréal, Sofiane Achiche)
    • Développement d’un chatbot pour mieux engager les patients dans leur gestion des barrières à une bonne observance aux antirétroviraux
  • Félix-Antoine Constantin (Polytechnique Montréal, Samuel-Jean Bassetto)
    • L’agenda santé satisfaisant
  • Vivienne Crowe (Université de Montréal, Julie Hussin)
    • Investigation of SARS-CoV-2 infection using a quantitative approach
  • Andjela Dimitrijevic (Polytechnique Montréal, Benjamin De Leener)
    • Algorithme validant la segmentation du cerveau chez les enfants (2-8 ans) à partir d’images IRM en utilisant des réseaux adverses génératifs (GAN)
  • Parfait Djimefo (Polytechnique Montréal, Samuel Pierre)
    • Modèle de reconnaissance faciale pour les personnes de minorités visibles et les groupes de populations
  • Roxanne Drainville (Université de Montréal, Marina Martinez)
    • Combiner les effets de la stimulation corticale et spinale pour améliorer la marche après une lésion médullaire
  • Marilou Farmer (Polytechnique Montréal, Jalbert Jonathan)
    • Programmation et diffusion des courbes Intensité-Durée-Fréquence des précipitations
  • Sam Finestone (Polytechnique Montréal, Sarath Chandar Anbil Parthipan)
    • Modular Neural Networks for Lifelong Learning
  • Victor Gaudreau-Blouin (Polytechnique Montréal, François Leduc-Primeau)
    • Simulateur de réseaux de neurones profonds implémentés sur matériel non fiable
  • Sarah Hafez (HEC Montréal, Christian Dorion)
    • Deep Learning Methods for Factor Investing
  • Tamara Herrera Fortin (Université de Montréal, Dang Khoa Nguyen)
    • Identifying Patients’ and Caregivers’ Needs and Preferences: the Key to Developing Successful Seizure Detectors
  • Alexander Iannantuono (McGill University, Adam Oberman)
    • Accelerated algorithm for SGD, applied to deep neural networks and reinforcement learning.
  • Guillaume Jones (Polytechnique Montréal, Mario Jolicoeur)
    • Génération d’un modèle à l’échelle du génome des cellules cancéreuses ovariennes
  • Hugues Martin (Polytechnique Montréal, Mario Jolicoeur)
    • Caractérisation de la chimiorésistance par apprentissage machine du transcriptome des cellules cancéreuses ovariennes
  • Gabriela Moisescu (McGill University, Doina Precup)
    • Temporal Abstraction in Reinforcement Learning
  • Sacha Morin (Université de Montréal, Guy Wolf)
    • PHATE-NET
  • Stéfan Nguyen (Université de Montréal, Philippe Dixon)
    • Biomechanical analysis of walking in outdoor environements using wearable sensors
  • Mathilde Ricard (Polytechnique Montréal, Sébastien Le Digabel)
    • CHPO: Constrained Hyperparameter Optimization / Optimisation sous contraintes des hyper-paramètres
  • Patrice Rollin (HEC Montréal, Iwan Meier)
    • Conception d’une base de données financières pour l’analyse des fonds communs de placement
  • Myriam Sahraoui (Université de Montréal, Karim Jerbi)
    • Analyse de données cérébrales MEG combinant analyses spectrales et apprentissage machine
  • Monssaf Toukal (Polytechnique Montréal, Dominique Orban)
    • Online Automatic Optimization of Software for Big Data
  • Alina Weinberger (Université de Montréal, Karim Jerbi)
    • Oscillatory brain dynamics under light and deep anesthesia: Predicting states of consciousness using machine learning techniques
  • Paul Xing (Polytechnique Montréal, Jean Provost)
    • Correction d’aberration en microscopie de localisation ultrasonore par apprentissage profond

1st edition

  • Samuel Arseneault (HEC Montréal, Chantal Labbé)
    • Générateur de données pour favoriser l’apprentissage en science des données
  • Kristina Atanasova (Université de Montréal, Alexandre Prat)
    • Identification des interactions cellulaires de la barrière hémato-encéphalique par apprentissage automatique
  • Laurence Beauregard (Université de Montréal, Dang Khoa Nguyen)
    • Détection de crises épileptiques en combinant les techniques d’intelligence artificielle et les signaux physiologiques non-invasifs multimodaux
  • Céline Boegler (Polytechnique Montréal, Dominique Orban)
    • La méthode des résidus conjugués pour l’optimisation sans contraintes
  • Karl-Étienne Bolduc (Université de Montréal, Normand Mousseau)
    • Développement de potentiels atomiques par apprentissage machine
  • Ariane Brucher (Université de Montréal, Phaedra Royle)
    • Analyses statistiques de potentiels évoqués basées sur des modèles mixtes linéaires
  • Sol’Abraham Castaneda Ouellet (Université de Montréal, Didier Jutras-Aswad)
    • Les effets du cannabidiol sur la cognition chez les personnes atteintes d’une dépendance à la cocaïne
  • Simon Chasles (Université de Montréal, François Major)
    • Caractérisation de motifs structurels surreprésentés dans l’ARN.
  • David Chemaly (Université de Montréal, Julie Hlavacek-Larrondo)
    • State-of-the-art radio images of the Coma Cluster of Galaxies
  • Omar Chikhar (Université de Montréal, Julie Hlavacek-Larrondo)
    • A novel machine learning approach to identifying cool core clusters
  • Léo Choinière (Université de Montréal, Numa Dancause)
    • Hierarchical Bayesian Optimization for Stimulation Protocols in Cortical Neuroprostheses
  • Hugo Cordeau (Université de Montréal, Vasia Panousi)
    • Utilisation des donnée satellitaires ainsi que de donnés de recensements afin connaitre les éléments d’étalement urbain
  • Olivier Denis (Université de Montréal, Jean-François Arguin)
    • Apprentissage machine pour l’analyse des données du LHC
  • Cauderic Deroy (Université de Montréal, Sébastien Hétu)
    • Identification des signatures physiologiques de la violation des normes sociales
  • Samuel Desmarais (Polytechnique Montréal, Jean Provost)
    • Conception d’un algorithme de reconstruction d’images ultrasonores utilisant l’apprentissage profond afin de réduire le nombre de canaux nécessaire à l’obtention d’une image à contraste équivalent
  • Guillaume Dupuis (Polytechnique Montréal, Brunilde Sanso)
    • projet sur le 5G et les villes intelligentes
  • Charlie Gauthier (Université de Montréal, Liam Paull)
    • ENABLING ON-THE-FLY MACHINE LEARNING IN DUCKIETOWN
  • Victor Geadah (Université de Montréal, Guillaume Lajoie)
    • Impact of nonlinear activation functions on learning dynamics of recurrent networks
  • Rose-Marie Gervais (Université de Montréal, Frédéric Gosselin)
    • Générer des métamères visuels utilisant la MEG et l’apprentissage profond pour évaluer l’encodage des propriétés visuelles spécifiques en mémoire à long terme
  • Élodie Labrecque Langlais (Polytechnique Montréal, Jean Provost)
    • Imagerie de pulsatilité de localisation dynamique par ultrasons utilisant l’intelligence artificielle
  • Simon-Olivier Laperrière (Université de Montréal, Pierre L’Écuyer)
    • Outils pour mesurer l’équidistribution de générateurs pseudoalétoires basés sur des récurrences modulo 2
  • Geoffroy Leconte (Polytechnique Montréal, Dominique Orban)
    • Une méthode prédicteur-correcteur multi-précision pour l’optimisation quadratique convexe
  • Florence Ménard (Université de Montréal, Anne Gallagher)
    • Optimization of data analysis strategies for the ELAN Project: a multimodal approach
  • Marco Mendoza (Université de Montréal, Vincent Arel-Bundock)
    • Developing a machine-learning algorithm to predict citizens’ fiscal preferences
  • Neshma Metri (HEC Montréal, Pierre Majorique Léger)
    • Source-level EEG connectivity correlates of immersion during high-fidelity vibrokinetically-enhanced cinema viewing
  • Andrei Mircea Romascanu (McGill University, Jackie Cheung)
    • Reinforcement Learning Rewards for Text Generation
  • Olivier Parent (Université de Montréal, Roberto Araya)
    • COMPUTATION MODEL OF DENDRITIC NONLINEARITIES IN LAYER 5 PYRAMIDAL NEURONS
  • Maria Sadikov (Université de Montréal, Michel Côté)
    • Utilisation de transfert d’apprentissage pour la caractérisation du graphène
  • Christopher Scarvelis (McGill University, Prakash Panangaden)
    • Convex Relaxations for Neural Network Training
  • Joey St-Arnault (Université de Montréal, Marina Martinez)
    • Analyse multivariée de la cinématique pour créer un lien entre les mouvements comportementaux observées et ceux générés par neurostimulation corticale
  • Danny Tran (Polytechnique Montréal, Brunilde Sanso)
    • Projet 5G et villes intelligentes
  • Anton Volniansky (Université de Montréal, Jean-François Tanguay)
    • Banque de données des issues cliniques à court et long termes des Échafaudages Vasculaires Biorésorbables comparativement aux Stents pharmacoactifs de 2e génération
  • Charles Wilson (Université de Montréal, Paul Charbonneau)
    • Prédiction du cycle solaire par assimilation de données
  • Xin Yuan Zhang (Polytechnique Montréal, Brunilde Sanso)
    • 5G, IoT and Smart cities project