Étudier au GERAD

Il faut d'abord préciser que le GERAD ne recrute pas d'étudiants directement. Ce sont les membres du GERAD qui font profiter à leurs étudiants et étudiantes de l'accès à nos infrastructures et à notre communauté. Pour étudier au GERAD, il faut donc dans un premier temps identifier un de nos membres, un thème et un sujet de recherche, et s'inscrire à l'université à laquelle ce membre est rattaché. Il faut évidemment trouver un accord et susciter l'intérêt du chercheur en question, ainsi que résoudre l'ensemble des questions administratives et de financement.

La meilleure manière de procéder est donc de vous diriger vers notre répertoire et de chercher parmi nos membres ceux dont les intérêts de recherche correspondent aux vôtres. Ensuite, contactez-les directement pour discuter des différentes possibilités. Notre section Offres d'emploi liste également régulièrement des projets en recherche active d'étudiants et étudiantes des différents niveaux.

Profils

Voici trois profils pris parmi nos étudiants actuels qui détaillent le parcours les ayant amenés au GERAD :

Sajad Aliakbari-Sani

Je suis un étudiant au doctorat au GERAD et au département de sciences de la décision de HEC Montréal, sous la supervision des professeurs Erick Delage et Olivier Bahn. Je fais partie du GERAD depuis août 2016. Mes recherches se situent à l'intersection de la prise de décision en situation d'incertitude et la planification des systèmes énergétiques. Plus précisément, dans ma thèse de doctorat, je travaille sur une intégration robuste des bornes de recharge pour véhicules électriques dans la planification de la capacité des réseaux intelligents.

Le GERAD m'a fourni une occasion unique d'apprendre des brillants universitaires membres et de collaborer avec eux. De plus, la réputation scientifique internationale de ce groupe de recherche, notamment dans le domaine de l'optimisation, m'a aidé à développer mon réseau professionnel. Avant de me joindre au GERAD, j'ai obtenu ma maîtrise en 2014 au département de génie industriel de l'Université de Téhéran, où je me suis concentré sur les modèles énergétiques et leurs applications dans le système énergétique iranien. Une fois mon doctorat terminé, je prévois d'approfondir mes recherches en deux axes : 1) développer des méthodologies quantitatives de gestion des risques et 2) les appliquer dans des problèmes de prise de décision industrielle.

Mahdis Bayani

Je suis étudiante au doctorat à Polytechnique Montréal en mathématiques et en génie industriel. En Iran, j'ai obtenu un baccalauréat et une maîtrise en ingénierie des systèmes de l'Université de technologie Amirkabir (Polytechnique de Téhéran). J'ai été supervisée par M. H. Fazel Zarandi, Mostafa Moein et Abbas Seifi alors que je travaillais sur des sujets d'algorithmes de regroupement de données pour la segmentation des clients pour mon projet de BSc, puis sur le réseau neuronal flou pour les systèmes de diagnostic des maladies pour ma thèse de MSc.

J'ai commencé mon doctorat au GERAD sous la direction de Louis-Martin Rousseau et de Yossiri Adulyasak. Je suis membre de la Chaire de recherche du Canada en analytique et logistique des soins de santé (HANALOG) et de la Chaire de recherche du Canada en analytique de la chaîne d'approvisionnement. Dans le cadre de ma thèse de doctorat, je travaille sur la combinaison d'algorithmes de recherche opérationnelle et d'apprentissage automatique pour améliorer la résolution de problèmes d'optimisation combinatoire quadratique.

Faire partie du GERAD, l'un des centres de recherche les plus remarquables dans le domaine de la recherche opérationnelle, m'a fourni une plateforme pour collaborer avec des chercheurs et des professeurs ingénieux. Depuis le début de mon doctorat, j'ai participé à plusieurs ateliers et séminaires au GERAD, qui ont été utiles pour augmenter mon expertise et améliorer mes compétences sociales. J'ai aussi décidé de m'impliquer au sein du GERAD en devenant la représentante de ses étudiants au doctorat en octobre 2020.

Après l'obtention de mon diplôme, j'aimerais explorer différentes opportunités dans mon cheminement de carrière où je pourrai mettre en pratique ce que j'ai appris dans les domaines de la conception d'algorithmes, de l'optimisation et de la science des données.

Alexis Montoison

J'ai suivi un cursus d'ingénieur en informatique et en mathématiques appliquées à l'École nationale supérieure d'électrotechnique, d'électronique, d'informatique, d'hydraulique et des télécommunications (ENSEEIHT), à Toulouse (France), avec une spécialisation en calcul de haute performance et en mégadonnées. Pour ma dernière année de formation en ingénierie, j'ai eu l'occasion d'obtenir un double diplôme avec Polytechnique Montréal, où j'ai entrepris une maîtrise de recherche sous la supervision du professeur Dominique Orban, membre du GERAD.

Après avoir obtenu mon diplôme d'ingénieur, j'ai décidé de passer du programme de maîtrise au programme de doctorat. Mes principaux intérêts se situent dans l'étude théorique et numérique d'algorithmes pour l'optimisation non linéaire continue et l'algèbre linéaire. En particulier, j'étudie l'impact des différentes précisions machines et des accélérations matérielles (unité centrale de calculs, processeur graphique). Mon objectif est de réaliser la majorité des opérations en faible précision, ce qui les rend moins coûteuses et peu énergivores.

L'acquisition récente d'un réseau de cartes graphiques au GERAD me permet d'expérimenter ces nouvelles méthodes numériques, un véritable atout pour ma recherche. La proximité des bureaux et les séminaires réguliers m'ont permis d'interagir facilement avec les autres membres du GERAD. La vie étudiante du GERAD rend le laboratoire convivial et encourage les membres à travailler sur place régulièrement. Ces avantages m'ont motivé à être le représentant des étudiants à la maîtrise et au doctorat pendant deux ans.

Avant la fin de mon doctorat, j'espère pouvoir passer une session à l'Université de Stanford, où j'ai été invité par le professeur Michael Saunders. Après mon doctorat, je prévois de faire de la recherche en industrie. Mon profil intéresse notamment Artelys Canada, l'entreprise qui développe Knitro, un solveur commercial dédié aux problèmes d'optimisation continue non linéaire.