Siamak Ravanbakhsh
McGill

Avant de me joindre à McGill & Mila, j’ai occupé un poste similaire à l’Université de la Colombie-Britannique. De 2015 à 2017, j’ai été stagiaire postdoctoral au Département d’apprentissage machine et à l’Institut de robotique de l’Université Carnegie Mellon. J’ai obtenu mon doctorat de l’Université de l’Alberta. Je m’intéresse largement aux problèmes de l’apprentissage de la représentation et de l’inférence dans l’IA. Dans le passé, j’ai étudié l’inférence approximative dans les modèles graphiques comme un cadre qui apporte une structure à une vision probabiliste du monde. Plus récemment, je me suis intéressé à la symétrie comme biais inductif alternatif vers le même objectif d’apprentissage de la représentation efficace de l’échantillon.