Glen Berseth
- Professeur adjoint
-
Faculté des arts et des sciences - Département d'informatique et de recherche opérationnelle
Profile
Biography
Glen Berseth est professeur adjoint à l’Université de Montréal. Il était chercheur postdoctoral à Berkeley Artificial Intelligence Research (BAIR) travaillant dans le laboratoire Robotic AI & Learning (RAIL) avec Sergey Levine. Dr Berseth a terminé son doctorat en informatique supporté par le CRSNG à l’Université de la Colombie-Britannique en 2019, où il a travaillé avec Michiel van de Panne. Il a obtenu son baccalauréat en informatique de l’Université York en 2012 et une maîtrise en sciences de l’Université York sous la direction de Petros Faloutsos en 2014. Son objectif est de créer des systèmes capables d’apprendre et d’agir intelligemment dans le monde en développant l’apprentissage profond et les méthodes d’apprentissage par renforcement pour résoudre des problèmes complexes de perception et de planification de grande dimension.
For more information…
Affiliations and responsabilities
Research affiliations
University service and activities
Activities within organizations or entities of the institution
- Titulaire de chaire en IA Canada-CIFAR
Teaching and supervision
Teaching
Courses taught (current session only)
Programs
Student supervision
Theses and dissertation supervision (Papyrus Institutional Repository)
Deep learning on signals : discretization invariance, lossless compression and nonuniform compression
Cycle : Master's
Grade : M. Sc.
Projects
Research projects
Modular and Lifelong Learning for Developing General Purpose Robotic Agents
Modular and Lifelong Learning for Developing General Purpose Robotic Agents
Generalization and Planning in Robotics
Multilingual NowLLM – Benchmarking
La robotique basée sur les données pour le monde réel
Développer des agents autonomes qui apprennent et planifient dans le monde réel
Harmonization of the engineering design and artificial intelligence
Outreach
Publications and presentations
Disciplines
- Computer Science
Areas of expertise
- Reinforcement learning
- Robotics
- Deep learning
- Machine learning
- Planning