CV Lattes
Google Scholar Citations
Universidade de São Paulo (USP). Escola Politécnica (EP) (Instituição Sede da última proposta de pesquisa) País de origem: Brasil
Atualmente Pós-Doutorando no Advanced Institute for AI, Leno é Doutor (2019) e Mestre (2015) pela Universidade de São Paulo (USP) no departamento de Engenharia de Computação. Foi Pesquisador Visitante na University of Texas of Austin em 2018-2019, onde foi parte do Learning Agents Research Group (LARG) sob a supervisão do Prof. Peter Stone. Além disso realizou um estágio de pesquisa na empresa canadense Borealis AI em 2019, onde adquiriu experiência em pesquisar na indústria. Possui graduação em Ciência da Computação na PUC-SP (2012), Pontifícia Universidade Católica de São Paulo. Atua principalmente nas áreas de Aprendizagem de Máquina, Aprendizado por Reforço e Sistemas Multiagente. (Fonte: Currículo Lattes)
| Matéria(s) publicada(s) na Agência FAPESP sobre o(a) pesquisador(a) |
| Mais itensMenos itens |
| TITULO |
| Matéria(s) publicada(s) em Outras Mídias ( ): |
| Mais itensMenos itens |
| VEICULO: TITULO (DATA) |
| VEICULO: TITULO (DATA) |
O Aprendizado por Reforço é uma poderosa ferramenta para treinar agentes inteligentes, uma vez que o aprendizado se dá de forma totalmente autônoma. Este aprendizado é realizado por meio de repetidas interações entre agentes e o ambiente, pelo método de tentativa e erro, até o momento em que os agentes têm informação suficiente para atuar de maneira apropriada para resolver uma determinad…
O Aprendizado por Reforço (Reinforcement Learning - RL) é uma solução popular no treinamento de agentes autônomos para a solução de tarefas em ambientes com dinâmica desconhecida. Apesar dos sucessos alcançados por propostas recentes de RL resolvendo tarefas desafiadoras, RL ainda sofre por necessitar uma grande quantidade de interações com o ambiente para aprender uma boa solução. Quando…
| 1 | Bolsas no país concluídas |
| 1 | Bolsas no exterior concluídas |
| 2 | Todas as Bolsas |
| Processos vinculados | |