The project aims at developing a question answering system for the National Bank of Canada, which can be used to answer the questions by users in the domain of banking and financial services, as well as human resources. The NBC currently uses a generic QA system from which some limitations have been observed, namely the limited coverage of domain-specific entities and concepts and low accuracy of the question answering. The project will develop and test approaches to solve these problems, by collecting more concepts in the domain and organizing them into a knowledge graph.

The project focuses on the development of AI-based predictive models to improve the process of approval of credit applications both at the level of private and commercial loans. We will focus our work on analysis produced by these models fed not only with financial data, but also with customer behavior data. We will also pay particular attention to clients whose amount of information traditionally used to activate a favorable borrowing decision does not meet the criteria traditionally required.

This project fits into the strategic goal to accelerate transition to digital technology in working with universities to research and analyse industry trends. The second phase will help the Ciena Documentation team test ideas and to implement them in the Component Content Management System (CCMS) and Translation Management System (TMS) in order to improve their

ability to meet end-users’ expectations.

Ciena is a leading corporation supplying IT products. Before delivering any product, the company makes sure all products go through a set of tests which are recorded into log files. Operating in a crowded and highly competitive market, Ciena is continuously running after innovation for remaining highly competitive. Therefore, the company wants to increase their data analytical solutions capabilities by exploring the huge amount of log data that are continuously gathered.

La recherche sur le cerveau se tourne de plus en plus vers des études qui consistent à observer un même groupe d’individus sur une longue période. Cependant, les données mesurées présentent des approximations qui dépendent des personnes qui les récoltent mais aussi des outils utilisés pour mesurer l’état du cerveau. À cela, s’ajoute la multitude d’informations relativement complexes que l’on est capable d’extraire des données sur le cerveau. Or, les outils statistiques actuels ne permettent pas de considérer de manière appropriée l’approximation, ni même la complexité de ces mesures.

This project aims to predict demand and inventory shortages for better inventory management in health care institutions. This will initially allow for a reduction in the expenses generated by emergency orders placed during a stock shortage. Indeed, it will be possible for the establishment to order a larger quantity of the product from the supplier or to place an order with another supplier.

Computer vision researchers have been moving beyond simple image classification and tackling more complex tasks such as object localization, detection and semantic segmentation. However, many of the proposed methods require large amounts of annotated data such as segmentation masks, which are expensive and time-consuming to acquire. Moreover, those methods cannot segment new object categories which were not present in the training set.

Few-shot segmentation alleviates both those problems by learning end-to-end to segment new object categories from few examples.

L’acquisition de données d’imagerie de diffusion est suceptible à un important problème de variabilité à travers les différents sites d’acquisition (e.g. Sherbrooke vs. Montréal) et à travers les fabricants (e.g. Siemens vs Philips). Puisque ces données de diffusion ne sont pas invariantes aux protocoles et scanners utilisés, il s’agit d’un problème de taille pour les études cliniques qui désirent utiliser des données provenant de multiples sites d’acquisition.

Malgré les efforts consacrés à la détection des problèmes de sécurité dans les systèmes informatiques, de nombreux défauts s'échappent sur le terrain, provoquant de graves défaillances et d'énormes pertes financières. Pour identifier la nature des problèmes, les développeurs de logiciels s'appuient fortement sur l'analyse des journaux (logs), générés lors des exécutions du système. Les logs sont également utilisés dans la détection des intrusions de sécurité, l'analyse des performances et le diagnostic des pannes. Cependant, les logs ont toujours été difficiles à utiliser.

Dans les centrales hydroélectriques, les groupes turbine-alternateurs sont réparés et installés selon un calendrier de travaux. Compte tenu de leur taille, d’autres pièces doivent être déplacées pour accéder aux pièces à démonter, réparer ou à installer. Afin de déterminer le plan d’aménagement des pièces, plusieurs contraintes doivent être respectées : 1) le calendrier des travaux, 2) l’espace disponible pour les pièces, 3) l’accessibilité aux pièces à réparer et à installer et 4) les normes de santé et sécurité au travail.