Suis nous sur
CIFAR header logo
en
menu_mobile_logo_alt
  • Nouvelles
  • Activités
    • Événements publics
    • Réunions sur invitation seulement
  • Programmes
    • Programmes de recherche
    • Stratégie pancanadienne en matière d’IA
    • Initiatives à l’intention de la prochaine génération
    • Appel à idées mondial
  • Communauté
    • Membres et spécialiste-conseils
    • Chercheurs mondiaux CIFAR-Azrieli
    • Chaires en IA Canada-CIFAR
    • Direction – Stratégie en matière d’IA
    • Membres du réseau de solutions
    • Direction – CIFAR
  • Soutenez-nous
  • À propos
    • Notre histoire
    • CIFAR 40
    • Prix
    • Partenariats
    • Publications et rapports
    • Carrières
    • Répertoire du personnel
    • Équité, diversité et inclusion
  • en
  • Accueil
  • Bio

Suivez-nous

post_content

Nando de Freitas

La nomination

Membre auxiliaire

Apprentissage automatique, apprentissage biologique

Connect

Website

À Propos

Nando de Freitas, informaticien, cherche à comprendre l’intelligence et le fonctionnement du cerveau.

Ses domaines de recherche principaux sont les réseaux neuronaux et l’apprentissage profond, l’apprentissage par renforcement, l’apprentissage par la pratique et l’enseignement, la découverte d’objectifs et de programmes, l’apprentissage par transfert et l’apprentissage multitâche, ainsi que le raisonnement et la cognition.

Il souhaite ardemment concevoir des outils d’intelligence artificielle (IA) pour améliorer les soins de santé, faire avancer la science et offrir des outils décisionnels aux avocats, aux économistes, aux politiciens, aux environnementalistes et à d’autres en vue d’améliorer la vie sur Terre. Selon lui, le prix à payer si nous ne mettons pas au point des outils d’IA pour prolonger notre esprit – et résoudre des problèmes complexes – est simplement trop élevé.

Prix

  • Charles A. McDowell Award for Excellence in Research, 2013
  • Distinguished Paper Award at IJCAI, 2013
  • MITACS Young Researcher Award, 2010

Publications Pertinentes

  • Wang, Z. et al. "Dueling network architectures for deep reinforcement learning." In Proceedings of the 33rd International Conference on Machine Learning (ICML), 1995–2003. 2016.
  • Wang, Z. et al. "Bayesian optimization in high dimensions via random embeddings." In Proceedings of the 23rd International Joint Conference on Artificial Intelligence (IJCAI), 1778–1784. 2016.
  • Reed, S., and N. de Freitas. "Neural Programmer-Interpreters." ICLR, 2015. arXiv:1511.06279.

institut

Université d'Oxford

Département

Département d’informatique

Éducation

  • Ph.D. (méthodes bayésiennes pour réseaux neuronaux), Trinity College, Université de Cambridge
  • B.Sc. (génie), Université de Witwatersrand

Pays

Royaume-Uni

Soutenez-nous

Le CIFAR est un organisme de bienfaisance enregistré qui reçoit le soutien des gouvernements du Canada, de l’Alberta et du Québec, ainsi que de fondations, de donateurs individuels, d’entreprises et de partenaires canadiens et internationaux.

Dons
CIFAR header logo

Centre MaRS, tour Ouest
661, avenue University, bureau 505
Toronto (Ontario) M5G 1M1 Canada

Contactez-nous
Médias
Carrières
Politiques sur l’accessibilité
Bienfaiteurs
Rapports financiers
Abonnez-vous

  • © Copyright 2023 CIFAR. Tous les droits sont réservés.
  • Numéro d’enregistrement d’organisme de bienfaisance : 11921 9251 RR0001
  • Conditions d'utilisation
  • Politique de confidentialité
  • Plan du Site

Souscrire

Rejoignez notre communauté! Restez à jour avec nos nouvelles, événements, conférences et ateliers et dernières découvertes à travers le monde.

Ce site Web enregistre des témoins sur votre ordinateur. Ces témoins sont utilisés pour recueillir des renseignements sur votre interaction avec notre site Web et nous permettre de vous reconnaître. Nous utilisons ces renseignements afin d'améliorer et de personnaliser votre expérience de navigation et à des fins d'analyse et de mesures concernant nos visiteurs, tant sur ce site Web que sur d'autres médias. Pour en savoir plus sur les témoins que nous utilisons, consultez notre politique deconfidentialité.
Accepter En savoir plus