Michel Savard, Ph. D.

Scientifique des données sénior

Michel Savard
Équipe : Technologies émergentes et Science des données

T 514 840-1235, poste 1818
@ michel.savard@crim.ca

(Ph. D. Physique, McGill University, 2015)

Michel s'est joint à l'équipe du CRIM en octobre 2017 à titre de scientifique des données sénior.

Après 10 ans de recherche dans un cadre académique à se concentrer à l'hydrodynamique quantique et la science nanoscopique, Michel a redirigé son expertise d'analyse de données vers des projets plus appliqués dans l'industrie.  Après quelques engagements avec des startups, Michel a travaillé comme scientifique des données pour l'entreprise globale Gartner, leader mondial en conseil TI (technologies de l'information).  

Les intérêts de Michel sont partagés entre l'apprentissage automatique appliqué à des problématiques business et ses vieux amours de travail manuel et DIY.

Michel s’est joint au CRIM pour poursuivre son désir d'accélérer le succès des entreprises canadiennes en mobilisant toute la puissance de leurs données.

Retour à la liste

Nouvelles récentes

  • Retour sur l'AGA 2020
    06/07/2020

    Le CRIM a tenu sa 35e assemblée générale annuelle le 18 juin 2020. Plusieurs membres étaient présents pour souligner une année de croissance importante pour l’organisme.

    +

Événement à venir

  • Gala des Prix Innovation 2020 de l'ADRIQ
    19/11/20 0h00
    Palais des Congrès de Montréal
    Le Gala Prix Innovation 2020 de l'ADRIQ aura lieu le 19 novembre 2020, au Palais des congrès de Montréal.
    +
  • QuébecInnove RT @QuebecInnove: Notre membre, le @CRIM_ca a tenu sa 35e assemblée générale annuelle le 18 juin dernier. Compte tenu du contexte de la CO…
  • L’action du CRIM ratisse large: soutien aux entreprises, partenariats avec des acteurs clés de l’industrie, maillag… https://t.co/RU6nHYVIkT

Publications récentes

  • On The Performance of Time-Pooling Strategies for End-to-End Spoken Language Identification

    +
  • An ensemble Based Approach for Generalized Detection of Spoofing Attacks to Automatic Speaker Recognizers

    +