Portrait de Pablo Samuel Castro

Pablo Samuel Castro

Membre industriel principal
pablo-samuel.castro@mila.quebec
Professeur associé, Université de Montréal, Département d'informatique et de recherche opérationnelle
Concepteur de logiciels de recherche, Google
Site web
Google Scholar
LinkedIn
X

Biographie

Pablo Samuel Castro est né et a grandi à Quito, en Équateur, et a déménagé à Montréal après l'école secondaire pour étudier à l’Université McGill. Il y a obtenu un doctorat en se concentrant sur l'apprentissage par renforcement, sous la supervision de Doina Precup et Prakash Panangaden. Il travaille chez Google depuis plus de 11 ans et est actuellement développeur de logiciels de recherche pour Google DeepMind à Montréal. Il s’intéresse particulièrement à la recherche fondamentale sur l'apprentissage par renforcement et plaide régulièrement en faveur d'une augmentation de la représentation des personnes d’origine latino-américaine dans la communauté de recherche. Il est également professeur adjoint au Département d'informatique et de recherche opérationnelle (DIRO) de l'Université de Montréal. Outre son intérêt pour le codage, l'intelligence artificielle et les mathématiques, Pablo Samuel est un musicien actif.

Étudiants actuels

Ayoub Echchahed
Maîtrise recherche - Université de Montréal
ayoub.echchahed@mila.quebec
Site web
Gandharv Patil
Doctorat - McGill University
Superviseur⋅e principal⋅e :
Doina Precup
patilgan@mila.quebec
Site web
Github
Google Scholar
Johan Samir Obando Ceron
Doctorat - Université de Montréal
Superviseur⋅e principal⋅e :
Aaron Courville
johan.ceron@mila.quebec
Github
Google Scholar
Samuel Garcin
Collaborateur·rice de recherche
samuel.garcin@mila.quebec
Site web
Github
Google Scholar

Publications

Dopamine: A Research Framework for Deep Reinforcement Learning
Pablo Samuel Castro
Subhodeep Moitra
Carles Gelada
Saurabh Kumar
Marc Gendron-Bellemare
Deep reinforcement learning (deep RL) research has grown significantly in recent years. A number of software offerings now exist that provid… (voir plus)e stable, comprehensive implementations for benchmarking. At the same time, recent deep RL research has become more diverse in its goals. In this paper we introduce Dopamine, a new research framework for deep RL that aims to support some of that diversity. Dopamine is open-source, TensorFlow-based, and provides compact and reliable implementations of some state-of-the-art deep RL agents. We complement this offering with a taxonomy of the different research objectives in deep RL research. While by no means exhaustive, our analysis highlights the heterogeneity of research in the field, and the value of frameworks such as ours.
2018-09-27
ArXiv (prépublication)
arxiv.org
arxiv.org