Thèses

Thèse de doctorat

1. New Faithfulness-Centric Interpretability Paradigms for Natural Language Processing
   par Andreas Madsen, avec Siva Reddy et Sarath Chandar comme superviseurs.
   Polytechnique Montreal ⸺ novembre 2024.
   [thesis]

Thèse de maitrise

9. Training Neural Networks to Perform Structured Prediction Task
   par Maziar Sargordi, avec Sarath Chandar et Amal Zouaq comme superviseurs.
   Polytechnique Montréal ⸺ août 2024.
   [thesis]

10. The Role of Continual Learning and Adaptive Computation in Improving Computational Efficiency of Deep Learning
    par Kshitij Gupta, avec Irina Rish et Sarath Chandar comme superviseurs.
    Université de Montréal ⸺ janvier 2024.
    [thesis]

11. Towards Adaptive Deep Model-Based Reinforcement Learning
    par Ali Rahimi-Kalahroudi, avec Sarath Chandar comme superviseur.
    Université de Montréal ⸺ novembre 2023.
    [thesis]

12. Combining Reinforcement Learning and Constraint Programming for Sequence-Generation Tasks with Hard Constraints
    par Daphné Lafleur, avec Gilles Pesant et Sarath Chandar comme superviseurs.
    Polytechnique Montréal ⸺ novembre 2022.
    [thesis]

13. Benchmarking Bias Mitigation Algorithms in Representation Learning through Fairness Metrics
    par Charan Reddy, avec Sarath Chandar comme superviseur.
    Université de Montréal ⸺ juillet 2022.
    [thesis]

14. TAG: Task-based Accumulated Gradients for Lifelong learning
    par Pranshu Malviya, avec Balaraman Ravindran et Sarath Chandar comme superviseurs.
    Indian Institute of Technology, Madras ⸺ janvier 2022.
    [thesis]

15. PatchUp: A Feature-Space Block-Level Regularization Technique for Convolutional Neural Networks
    par Mojtaba Faramarzi, avec Sarath Chandar comme superviseur.
    Université de Montréal ⸺ octobre 2021.
    [thesis]

16. IIRC: Incremental Implicitly-Refined Classification
    par Mohamed Abdelsalam, avec Sarath Chandar comme superviseur.
    Université de Montréal ⸺ mai 2021.
    [thesis]

17. Continuous Coordination As a Realistic Scenario for Lifelong Learning
    par Akilesh Badrinaaraayanan, avec Aaron Courville et Sarath Chandar comme superviseurs.
    Université de Montréal ⸺ avril 2021.
    [thesis]