À propos du CRIM

Tom Landry, M. Sc.

Conseiller sénior

Tom Landry
Équipe : Vision et imagerie

T 514 840-1235, poste 2657
@ tom.landry@crim.ca

(M.Sc. génie électrique, Université Laval, 2012)

Tom compte près de 20 années d’expérience dans divers domaines appliqués l’informatique, dont le E-Learning, la géomatique, l’automatisation industrielle, le commerce électronique et la vision artificielle.

Avant de joindre le CRIM dans l’équipe Développement et Technologie Internet (DETI) en 2006, Tom a travaillé comme technicien en informatique pendant cinq ans. Il a joint l’équipe Vision et Imagerie (VISI) en 2008.

Ses principaux intérêts sont le génie et l'architecture logicielle, les méthodologies et la gestion de projets, le géospatial et la télédétection, les systèmes de capture et d’analyse du mouvement,  l'infonuagique et les mégadonnées. Durant les dernières années, il a été le principal instigateur du développement d’applications de vision pour l’aide à la compétition et l’entraînement des sportifs d’élite.

Depuis 2014, Tom est membre du comité aviseur technique (STAC) de CANARIE. Il est gestionnaire de projet de la plateforme de recherche PAVICS, dédiée aux chercheurs canadiens en sciences du climat. À l'international, il est le point de contact officiel du CRIM pour l’Open Geospatial Consortium (OGC), où il y conduit des projets en observation de la Terre, en infonuagique et en apprentissage automatique. Il contribue depuis près de deux ans au Earth System Grid Federation (ESGF) en tant que membre du comité exécutif (ESGF-XC) représentant le Canada, ainsi qu'au Compute Working Team (ESGF-CWT).

Portrait d'expert du CRIM : Découvrez Tom Landry (5:30)

Realisations

Retour à la liste

  • @SIM5QC et #Batimatech ont l’honneur d’annoncer une collaboration avec @MIPIMPropTech pour le 2e concours… https://t.co/RFxtNYHokY
  • PRIMA Québec RT @PRIMAQUEBEC: Dévoilement des recommandations du comité d’orientation de la grappe #IntelligenceArtificielle #innovation @economie_quebe…

Publications récentes

  • Towards Automatic Feature Extraction for Activity Recognition from Wearable Sensors: A Deep Learning Approach

    +
  • État des lieux des technologies web

    +