Bourses postdoctorales

Programme de bourses postdoctorales IVADO

Généralités

Description

FAQ

Soumission

Résultats - concours hiver 2018

Description du programme

  • Nom du programme : programme de financement IVADO pour des bourses postdoctorales
  • Type de programme : bourses postdoctorales et de soutien aux activités postdoctorales
  • Domaines ciblés : science des données, innovation pilotée par les données.

Objectifs du programme

Les objectifs du programme de bourses postdoctorales sont :

  • de former les futurs chercheurs et professeurs et plus généralement, les futurs acteurs dans le secteur de la science des données, principalement dans les domaines d’excellence des membres IVADO : recherche opérationnelle, apprentissage machine et sciences de la décision;
  • de promouvoir la mobilité, le recrutement et la rétention des jeunes chercheurs;
  • l’octroi de subventions en partenariat pour encourager le développement de la recherche de pointe collaborative et appliquée.

Dates limites

Concours hiver 2018 :

  • Date limite de présentation de la demande : 15 novembre 2017
  • Date de notification prévue : 22 décembre 2017
  • Acceptation officielle du candidat avant le 8 janvier 2018
  • Date de début du financement : entre le 15 décembre 2017 et le 31 avril 2018

Concours été 2018 :

  • Date limite de présentation de la demande : 15 mai 2018
  • Date de notification prévue : 15 juin 2018
  • Acceptation officielle du candidat avant le 1er juillet 2018
  • Date de début du financement : entre le 15 juin 2018 et le 31 octobre 2018

Domaines supportés

Le programme de financement IVADO pour bourses postdoctorales soutient la recherche concernant les enjeux soulevés dans la demande de subvention Apogée (http://www.cfref-apogee.gc.ca/results-resultats/abstracts-resumes/competition_2/universite_de_montreal-fra.aspx) : sciences des données au sens large, incluant des recherches méthodologiques en science des données (apprentissage automatique, recherche opérationnelle, statistiques) et leurs applications dans plusieurs domaines (dont la santé, le transport, la logistique, l’énergie, le commerce et la finance).

Montants et répartition des bourses

Trois types de bourses existent :

  • Les bourses régulières d’un montant de 70k$ par année (incluant les avantages sociaux/taxes) pour un maximum de deux ans entièrement financés par IVADO.
  • Les bourses en partenariat d’un montant de 70k$ par année (incluant les avantages sociaux/taxes) pour un maximum de deux ans financés à moitié par IVADO et à moitié par un partenaire.
  • Les bourses Fellow d’un montant de 90k$ par année (incluant les avantages sociaux/taxes) pour un maximum de trois ans entièrement financés par IVADO. De plus, les postdoctorants Fellow auront accès jusqu’à 10 k $ pour des frais de déplacement et 15k$ par année pour financer leurs activités de recherche. Les candidats doivent faire une demande explicite pour être éligibles à ce type de bourse. S’ils ne sont pas choisis comme Fellow, le comité d’évaluation pourrait recommander une bourse régulière ou de partenariat.

Subvention de recherche supplémentaire pour boursiers Fellow

Les chercheurs postdoctorants Fellow auront accès à des fonds de recherche. Ils seront tenus de rédiger une brève proposition décrivant leurs besoins et le budget requis. Le chercheur postdoctoral peut poser sa candidature à ce programme plusieurs fois jusqu’à ce que la limite de 15k$ / année soit atteinte.

Ces fonds seront transférés au Bureau de la recherche de l’université du superviseur, et, selon leurs règles, les fonds pourraient être gérés par le chercheur postdoctoral lui-même ou par son superviseur. Le chercheur postdoctoral devra fournir un rapport financier.

Durée d’allocation

Pour un maximum de deux ans et de trois pour les boursiers Fellow. Le financement de la bourse sera automatiquement débloqué pour la deuxième année à la demande du superviseur et sur production d’un rapport d’étape.

Admissibilité, évaluation et financement

Admissibilité

Pour le candidat au postdoctorat :

  • Avoir reçu son premier doctorat depuis moins de cinq ans au moment de la demande ou prévoir de l’obtenir à la date de l’annonce des résultats.
    • IVADO sera flexible pour les candidats justifiant les interruptions de carrière et les circonstances particulières.

Pour le professeur présentant la demande (superviseur) :

  • Être un professeur de l’une des institutions du Campus : HEC Montréal, Polytechnique Montréal ou l’Université de Montréal.
  • Les professeurs de l’Université de l’Alberta et de l’Université McGill peuvent être superviseurs à condition qu’ils soient également membres de l’un des groupes de recherche d’IVADO ((MILA, CIRRELT, GERAD, CERC Science des données, CRM, Tech3Lab).
  • Ne doit pas avoir été le directeur ou le codirecteur du candidat en tant que doctorant.

Les activités prévues pour la durée des bourses doivent correspondre aux objectifs d’IVADO et Apogée/CFREF.

Critères d’évaluation

  1. Qualité du projet (50 %)
    1. Originalité et impacts anticipés
    2. Adéquation dans le cadre général d’IVADO et Apogée/CFREF
    3. Faisabilité, pertinence du laboratoire d’accueil et du superviseur
  2. Dossier du candidat (40 %)
    1. Contributions à la recherche
    2. Qualité de la thèse de doctorat et excellence académique
    3. Étendue et portée de son expérience (expériences pluridisciplinaires, expérience professionnelle, activités parascolaires, etc.)
    4. Adéquation de l’expérience avec le projet proposé
  3. Adéquation du projet dans le cadre général d’IVADO et Apogée / CFREF (10 %)
    1. Promouvoir la collaboration multidisciplinaire
    2. Favoriser la diversité

Soumission

Les instructions pour le dépôt de la candidature sont disponibles sous l’onglet « Soumission ».

La demande est présentée par le superviseur. Chaque superviseur ne peut pas présenter plus de 3 candidats.

Processus d’évaluation

Les propositions seront passées en revue pour vérifier les exigences du programme (demande incomplète, trop longue, superviseur ou candidat non admissible, etc.). Ensuite, seules les demandes répondant aux exigences seront transmises au comité d’évaluation.

Le comité d’évaluation sera composé de professeurs du Campus Montréal, bien au fait des domaines d’excellence d’IVADO, et qui ne présenteront aucun candidat. En raison de la petite taille de la communauté dans certains domaines, il pourrait être difficile de trouver des examinateurs pertinents ne présentant aucun candidat. Face à une telle situation, un évaluateur pourrait être appelé à évaluer un candidat bien qu’il participe lui-même au concours; un examinateur externe pourrait également être appelé. Le comité veillera par tous les moyens que l’évaluateur ne puisse pas être en mesure d’influer le classement de sa propre application.

Sur la base des critères d’évaluation, le comité d’évaluation procédera à un classement pour les candidats demandant une bourse Fellow et leur accordera s’ils jugent qu’ils atteignent le niveau d’excellence requis. Les candidats qui n’ont pas reçu une bourse Fellow seront ensuite classés avec tous les autres candidats. Le comité recommandera pour chaque candidat soit :

  • un financement régulier
  • une bourse de partenariat
  • aucun financement

Le choix du financement du partenariat sera basé principalement sur le classement (excellence des critères d’évaluation) et, ensuite, sur le potentiel de recherche appliquée.

Le candidat aura alors un mois pour accepter officiellement le financement. Lors son acceptation officielle, le candidat aura la possibilité de changer la date de début, qui doit avoir lieu au plus tard six mois après l’annonce des résultats.

Pour les candidats qui ont obtenu une bourse de partenariat sans la demander dans leur application, le temps d’acceptation sera prolongé à 6 mois pour donner la possibilité de trouver un partenaire approprié. IVADO apportera son soutien et ses conseils.

Choix dans le formulaire de demande Décision possible Acceptation Début
Régulière Régulier Un mois Six mois
Partenariat Six mois Six mois
Rejet n / a n / a
Partenariat Partenariat Un mois Six mois
Rejet n / a n / a
Fellow Fellow Un mois Six mois
Régulier Un mois Six mois
Partenariat Six mois Six mois
Rejet n / a n / a

 

Conditions de financement

Les fonds (bourses d’études et remboursements de réinstallation potentiels) seront transférés au Bureau de la recherche de l’université du superviseur, et l’université paiera le chercheur postdoctoral en fonction de ses propres règles. Pour les projets nécessitant une approbation éthique, les fonds ne seront pas débloqués tant que l’approbation ne sera pas obtenue. Certains projets, notamment en partenariat, pourraient avoir besoin d’accords spécifiques, par exemple en ce qui concerne la propriété intellectuelle.

Le financement pourra être réduit, retenu, retardé ou annulé lors de situations particulières explicitées dans la lettre d’octroi.

Engagements

Le chercheur postdoctoral s’engage notamment à :

  • Être physiquement présent à l’université de son superviseur, ou de partager son temps lors d’une bourse de partenariat;
  • Participer raisonnablement à la communauté et aux activités IVADO, incluant par exemple :
    • les présentations sur leur propre recherche
    • les activités de formation ou de diffusion des connaissances
    • les consultations  
    • le soutien lors de différentes activités qui font normalement partie d’une carrière de recherche (mentorat, participation à des évaluations, co organisation d’événements, etc.)
  • Reconnaître qu’il fait partie d’une communauté universitaire, à laquelle il contribuera;
  • Se soumettre à la politique des trois organisations sur le libre accès aux publications (http://www.science.gc.ca/eic/site/063.nsf/fra/h_F6765465.html). Ils sont encouragés à publier le plus de leurs productions de recherche (publications, enregistrement oral des présentations, code source, bases de données, etc.) dans le respect des règles de propriété intellectuelle applicables dans leur cas particulier;
  • Reconnaître le soutien d’IVADO et d’Apogée / CFREF dans la diffusion des résultats de recherche et plus généralement dans les diverses activités auxquelles le chercheur postdoctoral participera.

Le superviseur s’engage notamment à :

  • Fournir un environnement de travail qui convient à l’achèvement du projet;
  • Superviser son chercheur postdoctoral.

Rapport final

À la fin de la période de financement, le superviseur et l’étudiant doivent soumettre un rapport final dont les détails sont explicités dans la lettre d’octroi. Les boursiers Fellow doivent en plus soumettre un rapport financier et boursiers en partenariat, une section explicite sur le partenariat et l’approbation du rapport par le partenaire.

Le superviseur ne peut pas appliquer à d’autres possibilités de financement d’IVADO tant que ce rapport n’est pas fourni.

Lignes directrices

Généralement, les guides d’administration des trois fonds (http://www.nserc-crsng.gc.ca/professors-professeurs/financialadminguide-guideadminfinancier/index_fra.asp ) et les règles du programme Apogée ( http://www.cfref-apogee.gc.ca/program-programme/administer-administrer-fra.aspx#admissibles ) serviront de guides pour ce programme.

Contacts

  • Toute question concernant ce programme de financement peut être posée à programmes-excellence@ivado.ca
  • Veuillez également consulter la section « FAQ » de cette page.

FAQ

Des questions? Veuillez les soumettre à programmes-excellence@ivado.ca

Le dossier de candidature se compose:

  • ce formulaire, rempli;
    • dont un choix entre :
      • demande de bourse régulière (choix par défaut)
      • demande de bourse en partenariat
      • demande de bourse Fellow
  • du c.v. de l’étudiant, dans un format libre;
  • des relevés de notes officiels du doctorat (avec échelle de notation pour les universités non canadiennes)
  • de la description du projet (une page maximum);
  • d’un maximum de trois lettres de recommandations (incluant une du superviseur et une du directeur de thèse);
  • d’une lettre de confirmation du partenaire (si le candidat et le superviseur veulent explicitement une bourse de partenariat).

Il doit être envoyé à programmes-excellence@ivado.ca et en copie conforme (CC) au superviseur, sous la forme d’un seul fichier pdf.

  • Behrouz Babaki (Polytechnique Montréal, Gilles Pesant)
    • To turn the ever increasing amounts of data into social and economic value, two tasks need to be performed: 1) extracting knowledge from the data, and 2) incorporating this knowledge in the operations that drive the society. The machine learning community addresses the first task by extracting the knowledge from the data and capturing it into ‘learned models’. The second task is studied by the operations research community under the label of ‘optimization’. However, these techniques have been developed almost independently. This makes it less straightforward to integrate them and turn the knowledge obtained from a learned model into actionable decisions. In this project, we exploit the fundamental similarities between the two tasks to develop an integrated system that performs both tasks together. We apply our system to problems in business and finance and demonstrate how this approach can help players in these sectors to use their data for improving their operations.
  • Maxime Laborde (McGill, Adam Oberman)
    • This research is focused on using mathematical tools to accelerate the training time of Deep Neural Networks (DNN)s. DNNs are a powerful tool in Artificial Intelligence, behind applications in machine translation, image recognition, speech recognition and other areas. However training the DNNs requires huge computational resources, which is costly both financially, and in the human effort required to implement them. This research will use advanced mathematical tools to improve the time required to train DNNs.
  • Tien Mai (Université de Montréal, Teodor Gabriel Crainic)
    • This project deals with the planning of intermodal rail transportation, integrating methodologies from operations research and machine learning in a new and innovative way. Intermodal container freight transportation is the backbone of international trade and supports a large part of Canadian and North-American imports and exports. Canada has one of the largest rail networks in the world and Canadian railway companies are both network and terminal operators. They face many large-scale optimization problems that are complex because of their sheer size and the uncertainty that affects planning and operations on a continuous basis. The project focuses on a tactical network load and block planning problem that involves decisions related to blocking and railcar fleet management. Assuming that the train schedule is given, the problem entails three consolidation processes: assignment of containers to railcars, of railcars to blocks and of blocks to trains. The project will be dedicated to designing a service network design model and associated solution method that allows to solve realistic, large scale, instances.
  • Abbas Mehrabian (McGill, Luc Devroye)
    • When designing a machine learning algorithm, it is crucial for the designer to understand the input data to which this algorithm will be applied. It is well known that real-world data for any task has a lot of structure, exploiting which allows for faster learning and more accurate prediction. However, understanding this structure is a highly nontrivial task, given the high dimension of the data. In this project we propose to develop a mathematical framework for learning the structure hidden in the data, via the lens of probability theory. Assuming the data is generated by some stochastic process, we would like to infer its distributional properties. Then a natural question is, which distributions are harder to learn, and which ones are easier. The aim of this project is to answer this question from statistical and computational perspectives, at least for a variety of commonly used classes of distributions, such as mixture models and graphical models.
  • Patrick Munroe (Polytechnique Montréal, François Soumis)
    • Gestion en temps réel du cargo aérien. Le projet à moyen terme est le développement d’un système de gestion du cargo dans les compagnies aériennes en commençant avec Air Canada. Ce système traitera la planification stratégique, tactique et l’opération en temps-réel. Le niveau stratégique évalue des scénarios à long terme sur l’organisation du réseau, les marchés à développer, les alliances à conclure. Le niveau tactique optimise le choix des itinéraires entre chaque paire de villes pour une semaine type d’une saison. Durant l’opération, les vendeurs pourront obtenir en ligne le meilleur itinéraire pour acheminer une nouvelle commande et le prix de revient. À chaque niveau de décision, il faut estimer la demande pour l’horizon considéré et optimiser l’acheminement de cette demande dans le réseau de transport comprenant des avions tout cargo, l’espace disponible dans les soutes des vols passagers, des sous-contrats avec d’autres transporteurs aériens et routiers. La recherche portera sur le développement de nouvelles méthodes d’estimation de la demande et d’optimisation de l’acheminement dans un grand réseau.
  • Maria Isabel Restrepo Ruiz (Polytechnique Montréal, Nadia Lahrichi)
    • The main objective in using optimization approaches for demand and supply management in home healthcare is to match supply and demand by influencing patients/caregivers choices for service time slots/working shifts. Our aim with this project is to develop a decision support tool to deal with approaches for demand and supply management in home healthcare. Specifically, we will implement stochastic models to forecast future demands and to predict caregivers’ absenteeism. Then, we will design and develop choice models to consider patient and caregiver choice behavior. These models will predict the probability of choosing a particular alternative from an offered set (e.g. visit time slots, working shifts) given historical choice data about an individual or a segment of similar individuals. These models will be embedded into an optimization approach that will compute a time slotting/scheduling plan or a pricing strategy to optimally balance the allocation of cost-effective schedules to caregivers and the improvement of service quality.
  • Anne-Lise Saive (Université de Montréal, Karim Jerbi)
    • Every day, we experience thousands of situations, but we only remember few of them. Episodic memory is the only memory system that allows people to consciously re-experience past experiences and it is the most sensitive to age and neurodegenerative diseases. It is thus critical to better understand how to enhance learning and memory in both healthy and clinical populations. Emotions are known to robustly strengthen the formation of long-term memories. Characterizing the influence of positive emotions (joy, happiness) on memory could be pivotal in improving memory therapies, yet the underlying brain mechanisms are still surprisingly misunderstood. In this project, we will use a fully data-driven approach to identify the key neuronal processes strengthened by positive emotions that distinguish events we will durably remember from events we will forget. We will combine for the first time high spatial and temporal resolution brain imaging techniques and state-of-the-art machine-learning algorithms. This will be achieved by assessing the ability of multidimensional (across space, time and frequency) arrays of brain data to predict future memory accuracy.
  • Rabih Salhab (HEC Montréal, Georges Zaccour)
    • Ride-sharing services such as Uber, Lyft or Didi Chuxing match a group of drivers providing rides with customers through an online ride-sharing platform. This business model faces a number of fundamental challenges. Indeed, the drivers considered as independent contractors choose the area they wish to serve, if they accept or reject rides, and when they start and stop working. With no direct control over the drivers, the ride-sharing platform can only use incentives and select the information it provides to drivers and customers in order to improve the quality of service and balance supply and demand. This project aims to develop a model that anticipates how the drivers respond to provided information, which is a combination of request statistics, prices at various locations and times, and estimation of the state of the road network. Moreover, it intends to generate location and time-dependent pricing schemes and optimal information filters in order to optimize the efficiency of the system. For example, the filters control the amount of information to release to drivers about the requests in order to balance the supply and demand and avoid the drivers from deserting some areas.
  • Kristen Schell (Polytechnique Montréal, Miguel Anjos)
    • Hydro-Québec is geographically well positioned to make significant profits in neighboring electricity markets. Facing political mandates to retire coal and nuclear power plants, the markets of Ontario, New York and New England are under increasing stress to provide stable, baseload electricity production. We will utilize the vast historical data from these markets to model their future evolution. Using the insights obtained from this analysis, we will be able to determine optimal strategies for Hydro-Québec to maximize its profits through targeted investment decisions in market interconnections. The results will be generalizable to other provincial utilities in Canada and their participation in the relevant electricity markets.
  • Jean-François Spinella (Université de Montréal, Guy Sauvageau)
    • Acute myeloid leukemia (AML) is the most common form of leukemia in adults. Despite advances in supportive care to treat therapy-related complications, the majority of AML patients will not exceed the two-year survival mark because of relapse. This dismal outcome reflects the sub-optimal treatment orientation of poorly understood subtypes of AML. To improve the treatment and outcome of patients, Dr. Guy Sauvageau and colleagues initiated in 2009 the Leucegene project which has become an internationally acknowledged leader in genetic and biological characterization of AML. Exploiting the most innovative technologies, this program already allowed the sequencing of 452 primary human AML specimens. While several types of genomic alterations have been explored in AML, some of them, such as modifications to the chromosome structure, remain elusive despite their known importance in cancer. We are convinced that this is due to unsuitable analysis and we propose here an innovative machine learning approach to efficiently identify these modifications. Tests will be carried out on our sequenced AML specimens. Ultimately, the method will be released to help the scientific community to exploit its cancer data. From a biomedical point of view, it will allow for better definition of AML subgroups, as well as an increase in the chances of identifying new markers for this disease. With the goal to accelerate the transfer of new knowledge from the laboratory to the bedside, this project will help ensure the correct classification and treatment of AML.
  • Yu Zhang (Université de Montréal, Pierre Bellec)
    • To understand brain mechanism of cognitive functions is the ultimate goal of neuroscience studies, which also provides fundamental guidance for developing new techniques in artificial intelligence. With accumulated evidence in animals and humans, functional dynamics is suggested to be the non-stationary nature of cognitive process. In this project, we aim to apply deep learning models to characterize the spatial and temporal dynamics of BOLD signals at rest and during cognitive tasks. To account for the temporal dependence of MRI signals, a convolutional recurrent neural network is first used to characterize the spatial and temporal dynamics of resting-state data, and then to map the dynamic somatotopic maps during movement of tongue, hand and foot. The model is further adjusted for classification of functional dynamics among multiple task conditions. The derived characteristic functional dynamics, including sequential temporal response functions and corresponding activation patterns, reveals the dynamic process of human cognitive function and provides essential guidance for brain simulation. Furthermore, our proposed method could also be used in clinic applications, for instance searching for temporal and spatial biomarkers for Alzheimer’s disease and evaluating the treatment effects of precision medicine.