Le programme de formation en science des données durable reçoit 1,65 million de dollars du programme FONCER du CRSNG
Le Conseil de recherches en sciences naturelles et en génie du Canada (CRSNG) a annoncé aujourd'hui l'octroi de plus de 26 millions de dollars pour le financement de 16 nouvelles initiatives de formation dans le cadre de son Programme de formation orientée vers la nouveauté, la collaboration et l'expérience en recherche (FONCER).
La professeure Bettina Kemme, du Département d'informatique de l'Université McGill, a reçu 1,65 million de dollars du programme FONCER du CRSNG pour le programme Sustainable Data Systems for Data Science (SDSDS), qui sera réparti sur six ans. Les fonds serviront à former des équipes d'étudiants et de boursiers postdoctoraux hautement qualifiés, les préparant ainsi à acquérir les compétences professionnelles et techniques nécessaires à leur future carrière dans le milieu universitaire, l'industrie ou le gouvernement. Plusieurs partenaires universitaires et industriels canadiens et internationaux collaborent au programme dirigé par McGill.
« Des investissements tels que la subvention FONCER du CRSNG annoncée aujourd'hui pour le programme Systèmes de données durables pour la science des données de McGill accéléreront la recherche transformatrice, combleront le fossé entre l'apprentissage machine et les sciences de la durabilité, et formeront une génération montante d'universitaires et de chefs de file de l'industrie qui travailleront ensemble à l'avènement d'une société neutre en carbone », a déclaré Martha Crago, vice-principale (Recherche et innovation). « J'adresse mes félicitations à la professeure Bettina Kemme de McGill et mes remerciements aux nombreux partenaires universitaires et industriels qui collaborent à ce projet. »
Des « données vertes » pour un monde avide d'informatique et de données :
Le Canada a beaucoup investi dans la recherche sur l'intelligence artificielle (IA) et dans l'apprentissage machine (AM), le sous-domaine de l'IA responsable des robots de conversation et du texte prédictif, de la curation des flux de médias sociaux et de l'apprentissage profond - où des couches d'algorithmes et d'unités de calcul sont formées en réseaux neuronaux artificiels -, une technique d'AM qui s'appuie sur de grandes quantités de données et qui est très intense en termes de traitement informatique.
« Si l'exploration de l'application des techniques de l'AM dans l'industrie et l'évaluation des implications sociales, sociétales et éthiques de l'IA et de l'AM suscitent un grand intérêt, l'impact des techniques et technologies gourmandes en données et à forte intensité de calcul sur les objectifs de durabilité du Canada n'est guère pris en compte,» déclare la professeure Kemme.
Grâce à cette subvention du programme CRSNG-FONCER, Kemme dirigera le programme Sustainable Data Systems for Data Science (SDSDS), qui formera une nouvelle génération d'informaticiens hautement qualifiés aux techniques d'IA et de l'AM, tout en les impliquant dans les sciences de la durabilité.
Parmi les activités prévues dans le cadre de ce programme unique figurent un séminaire sur les concepts de durabilité, un cours interdisciplinaire sur la science des données durables, ainsi qu'une université d'été qui explore les avancées de pointe permettant aux plateformes logicielles de devenir plus efficaces sur le plan énergétique. Le programme apprendra également aux étudiants à développer des stratégies de formation pour la main d'œuvre informatique et les étudiants seront sensibilisés aux défis pratiques et aux opportunités de mise en œuvre des avancées durables en matière de ML par le biais de stages et de projets de recherche appliquée avec des partenaires de l'industrie.
« Les techniques d'apprentissage machine deviennent de plus en plus gourmandes en calcul et en données, et il y a très peu de sensibilisation, dans les universités et parmi les dirigeants de l'industrie, à l'impact environnemental des plates-formes à forte intensité de données et de calcul », dit-elle. « Par conséquent, la main-d'œuvre technique doit connaître bien plus que les algorithmes d'apprentissage automatique eux-mêmes : les futurs ingénieurs en données doivent penser vert et holistique pour développer les plateformes d'analyse de données économes en énergie de demain. »