No dia 6 de maio, às 12h00, terá lugar a DEEC Talk “Policy Optimization in Reinforcement Learning”. A sessão decorrerá no anfiteatro EA1, na Torre Norte e será apresentada por Yuejie Chi, Professora Charles C. and Dorothea S. Dilley de Estatística e Ciência de Dados na Universidade de Yale, com uma nomeação secundária em Ciência da Computação.

Resumo

A otimização de políticas, que procura aprender uma política ao maximizar a função de valor através de técnicas de otimização em larga escala, está no centro do reforço da aprendizagem (reinforcement learning, RL) moderno. Esta palestra abordará a convergência global de métodos de gradiente de política em contextos de agente único, multiagente e federado, destacando o papel do pré-condicionamento e da regularização na obtenção de uma convergência rápida.

Sobre a oradora

A Dra. Yuejie Chi é Professora Charles C. and Dorothea S. Dilley de Estatística e Ciência de Dados na Universidade de Yale, com uma nomeação secundária em Ciência da Computação, e membro do Yale Institute for Foundations of Data Science. Obteve o seu doutoramento e mestrado pela Universidade de Princeton, e a licenciatura (com distinção) pela Universidade de Tsinghua, todos em Engenharia Eletrotécnica.

A sua investigação centra-se nos fundamentos teóricos e algorítmicos da ciência de dados, IA generativa, aprendizagem por reforço e processamento de sinal, motivados por aplicações em domínios científicos e de engenharia. Entre várias distinções, recebeu o Presidential Early Career Award for Scientists and Engineers (PECASE), o SIAM Activity Group on Imaging Science Best Paper Prize, o IEEE Signal Processing Society Young Author Best Paper Award, e o inaugural IEEE Signal Processing Society Early Career Technical Achievement Award pelas suas contribuições para o processamento de sinais estruturados em alta dimensão. Foi ainda distinguida como IEEE Fellow (Classe de 2023) pelas suas contribuições para o processamento estatístico de sinais com estruturas de baixa dimensão.