Conférences IEEE-Ordinateur Univ. Laval (18 janvier 2019 à 12h00 - COP-1168): Les algorithmes de bandits et leur application aux essais cliniques

Share

Dans le cadre des activités du chapitre IEEE ordinateur - Québec et en collaboration avec la section IEEE de Québec, nous vous invitons à une conférence portant sur « Les algorithmes de bandits et leur application aux essais cliniques ».  La conférence sera donnée par Mme. Audrey Durand Ph.D., Post-Doc Univ. McGill.

 

La conférence aura lieu le vendredi 18 janvier 2019 de 12h00 à 13h30 à la salle COP-1168 au Pavillon d’optique photonique à l’Université Laval.

 

L’inscription est obligatoire et gratuite – places limitées. Pour s’inscrire, utilisez ce lien : https://goo.gl/forms/Jhh2tmKXRHryVTNy1

 

Un repas (Pizza) sera fourni aux personnes inscrites (5$) et gratuit pour les membres IEEE (carte IEEE obligatoire). (12h00-12h30)

 

L’évènement commence à 12h00 et se termine à 13h30 avec une séance de réseautage de 12h00 à 12h30.

 

Résumé: Le problème des bandits est une instance simplifiée d'un problème de reinforcement learning (RL), dont l'accent est mis sur le compromis entre l'exploration et l'exploitation. Cette présentation traitera plus spécifiquement des bandits contextuels, problème dans lequel un agent recherche l'action optimale dépendant d'un contexte donné. Cette variante de bandits sera présentée à travers une application à l'allocation de traitements adaptative pour la découverte de stratégies de traitement du cancer personnalisées à l’évolution de la maladie.

 

Bio: Audrey a obtenu une maîtrise en génie électrique de l’Université Laval, au cours de laquelle elle a collaboré avec des chercheurs du département de médecine sociale et préventive afin d’évaluer et d’améliorer plusieurs activités de prévention. Elle a ensuite complété un doctorat en génie électrique, également à l'Université Laval, dans laquelle elle s'est concentrée sur les algorithmes d'apprentissage par renforcement en ligne de la famille des bandits. En collaboration avec divers chercheurs, elle a utilisé ces algorithmes pour apprendre les stratégies de traitement adaptatif du cancer sur des modèles animaux et pour optimiser l'imagerie haute-résolution. Elle est maintenant chercheure postdoctorale à l'Université McGill, où elle consacre son temps à l'étude de la prise de décision en-ligne et à l'application de l'apprentissage automatique aux défis liés à la santé.



  Date and Time

  Location

  Contact

  Registration



  • 2375 Rue de la Terrasse (COP 1168)
  • Québec, Quebec
  • Canada G1V 0A6
  • Building: Pav. Optique photonique
  • Room Number: COP-1168
  • Click here for Map
  • Co-sponsored by IEEE Québec Section


  Speakers

Audrey Durand of McGill

Topic:

Les algorithmes de bandits et leur application aux essais cliniques

Le problème des bandits est une instance simplifiée d'un problème de reinforcement learning (RL), dont l'accent est mis sur le compromis entre l'exploration et l'exploitation. Cette présentation traitera plus spécifiquement des bandits contextuels, problème dans lequel un agent recherche l'action optimale dépendant d'un contexte donné. Cette variante de bandits sera présentée à travers une application à l'allocation de traitements adaptative pour la découverte de stratégies de traitement du cancer personnalisées à l’évolution de la maladie.

Biography:

Audrey a obtenu une maîtrise en génie électrique de l’Université Laval, au cours de laquelle elle a collaboré avec des chercheurs du département de médecine sociale et préventive afin d’évaluer et d’améliorer plusieurs activités de prévention. Elle a ensuite complété un doctorat en génie électrique, également à l'Université Laval, dans laquelle elle s'est concentrée sur les algorithmes d'apprentissage par renforcement en ligne de la famille des bandits. En collaboration avec divers chercheurs, elle a utilisé ces algorithmes pour apprendre les stratégies de traitement adaptatif du cancer sur des modèles animaux et pour optimiser l'imagerie haute-résolution. Elle est maintenant chercheure postdoctorale à l'Université McGill, où elle consacre son temps à l'étude de la prise de décision en-ligne et à l'application de l'apprentissage automatique aux défis liés à la santé.





Agenda

12:00-12:30: Réseautage

12:30-13:30: Conférence