Prix de la meilleure thèse de doctorat

Ce prix récompense une thèse de doctorat exceptionnelle réalisée dans une université canadienne dans le domaine de l'intelligence artificielle. Le lauréat ou la lauréate recevra une bourse et sera invité(e) à donner une conférence lors de la prochaine conférence canadienne sur l'intelligence artificielle. Les frais d'inscription à la conférence et les frais de déplacement seront couverts par CAIAC.

Candidatures

CAIAC invite les candidatures de travaux de doctorat dans le domaine de l'intelligence artificielle effectués dans une université canadienne au cours de l'année précédant le prix. Chaque candidature doit inclure:

• Une lettre de nomination du/de la/des directeur(s)/directrice(s) de thèse ou du/de la chef/cheffe de l'unité académique indiquant la date à laquelle la thèse a été officiellement acceptée et détaillant la justification de la nomination (trois pages maximum). Des lettres d'appui d’examinateurs et/ou d'autres experts peuvent être jointes en annexe (maximum de trois pages supplémentaires).
• Un résumé non technique de la thèse (350 mots maximum).
• La thèse complète en format PDF.

La date limite de soumission est le 15 mars 2025.

Les soumissions en anglais et en français sont les bienvenues. Pour être admissible, la version finale (post-soutenance) de la thèse doit avoir été acceptée au cours des 12 mois précédant la date limite ci-dessus.

Instructions pour soumettre une candidature

1. Connectez-vous au site Web de la CAIAC en tant que membre. (Seuls les membres de la CAIAC peuvent soumettre une candidature. Pour vous inscrire, cliquez ici).
2. Remplissez le formulaire de soumission de prix disponible ici.

Pour toute information supplémentaire, n'hésitez pas à contacter le secrétaire de CAIAC (secretary@caiac.ca).

Gagnants précédents

• 2026: Shirin Seyedsalehi, Toronto Metropolitan University
  
  Mitigating Gender Biases in Neural Retrieval Systems
  
  Thèse
  
  Supervisé par Ebrahim Bagheri (UoT) et Morteza Zihayat Kermani (TMU)
• 2025: Frederik Kunstner
  
  Why Do Machine Learning Optimizers That Work, Work?
  
  Thèse
  
  Supervisé par Mark Schmidt
• 2024 :  Evi Micha, University of Toronto
  
  Dissertation: Fair and Efficient Social Decision Making.
  
  Supervisé par Nisarg Shah
• 2023 :  Sriram Ganapathi Subramanian, University of Waterloo
  
  Dissertation: Multi-Agent Reinforcement Learning in Large Complex Environments.
  
  Thèse
  
  Supervisé par Mark Crowley et Kate Larson
• 2022: Jincheng Mei, University of Alberta
  
  Thèse
  
  Supervisé par Dale Schuurmans
• 2021: Tyrone Strangway, University of Toronto
  
  Thèse
  
  Supervisé par Nisarg Shah et Allan Borodin
• 2020: Jhonatan de Souza Oliveira, University of Regina
  
  Thèse
  
  Supervisé par Cory Butz
• 2017: John Doucette, University of Waterloo
  
  Thèse
  
  Supervisé par Robin Cohen
• 2016: Tyler Lu, University of Toronto
  
  Thèse
  
  Supervisé par Craig Boutilier
• 2015: Yaoliang Yu, University of Alberta
  
  Thèse
  
  Supervisé par Dale Schuurmans et Csaba Szepesvári
• 2014: Hootan Nakhost, University of Alberta
  
  Thèse
  
  Supervisé par Martin Mueller
• 2013: Gabor Bartok, University of Alberta
  
  Thèse
  
  Supervisé par Csaba Szepesvári
• 2012: Albert Xin Jiang, University of British Columbia
  
  Thèse
  
  Supervisé par Kevin Leyton-Brown
• 2011: Martin de Lasa, University of Toronto
  
  Thèse
  
  Supervisé par Aaron Hertzmann
• 2010: Frank Hutter, University of British Columbia
  
  Thèse
  
  Supervisé par Holger Hoos, Kevin Leyton-Brown, et Kevin Murphy.