Siamak Ravanbakhsh
Membre académique principal
Chaire en IA Canada-CIFAR
Professeur agrégé, McGill University, École d'informatique
Sujets de recherche
Alignement de l'IA
Apprentissage actif
Apprentissage de représentations
Apprentissage par renforcement
Apprentissage profond
Apprentissage sur graphes
Généralisation
IA pour la science
Inférence bayésienne
Modèles génératifs
Modèles probabilistes
Raisonnement
Symétrie
Biographie
Siamak Ravanbakhsh est professeur adjoint à l’École d’informatique de l’Université McGill depuis août 2019. Avant de se joindre à McGill et à Mila – Institut québécois d’intelligence artificielle, il a occupé un poste similaire à l’Université de la Colombie-Britannique. De 2015 à 2017, il a été stagiaire postdoctoral au Département d’apprentissage automatique et à l’Institut de robotique de l’Université Carnegie Mellon, et il a obtenu un doctorat de l’Université de l’Alberta. Il s’intéresse aux problèmes de l’apprentissage de la représentation et de l’inférence dans l’IA.
Ses recherches actuelles portent sur le rôle de la symétrie et de l’invariance dans l’apprentissage profond des représentations.