Ruben Glatt

Ruben has a strong technical background working for over a decade in a data center environment being responsible for all aspects of data center infrastructure, capacity management, sensor systems and technical services for server and networking hardware.He earned a Diplom Ingenieur degree (equivalent Master degree) in Mechatronics at the Karlsruhe Institute of Technology. During this time he gained experience in robotics, mechatronic applications and solar energy. His main topics were sensors, evaluation of solar power systems and business models for technical services.During his time at UNESP he gained more experience in mechatronic applications while working on a project to implement condition based maintenance in small electric power plants. His recent efforts focused on gesture recognition from multimodal data streams using computer vision and machine learning algorithms. Inspired by the recent developments in Deep Learning mainly through the works of Geoffrey Hinton, Yoshua Bengio and Yann LeCun, Rubens research initially focused on exploiting already gathered knowledge in the field. Impressed by the results of Google's Deep Mind group in the area of Deep Reinforcement Learning for intelligent game playing agents, he decided to make this the main content of his PhD project. The key question of this proposal is the following: how can we exploit state-of- the-art ML techniques such as DL to provide a robust framework for RL that is able to generalize and transfer knowledge to several challenging new tasks within a related domain?His project proposal Improving Deep Reinforcement Learning through Knowledge Transfer has received the GOOGLE Research Award Latin-America 2015 as one of only twelve winning projects.

Ruben tem uma sólida formação técnica de trabalho por mais de uma década em um ambiente de data centers sendo responsável por todos os aspectos da infra-estrutura, gerenciamento de capacidade, sistemas de sensores e serviços técnicos para servidores e hardware de rede. Ele é formado em Mecatrônica e possui um Diplom Ingenieur (equivalente a mestrado) do Karlsruhe Institute of Technology (KIT) na Alemanha. Durante seus estudos, ele adquiriu experiência em robótica, mecatrônica e aplicações de energia solar. Seus principais temas foram sensores, avaliação de sistemas de energia solar e modelos de negócios para serviços técnicos. Durante seu período na UNESP, ele aprofundou sua experiência em aplicações de mecatrônica, trabalhando em um projeto para implementar uma manutenção baseada em condição das maquinas para pequenas usinas hidrelétricas. Seus estudos recentes focam em reconhecimento de gestos de fluxos de dados multi-modais utilizando visão computacional e algoritmos de aprendizagem de máquina.Inspirado pelos recentes avanços na área de Deep Learning (DL) e se baseando principalmente nos trabalhos de Geoffrey Hinton, Yoshua Bengio e Yann LeCun, a pesquisa de Rubens está focana em explorar os conhecimentos já reunidos nesta área de pesquisa. Após ter contato com os resultados obtidos pelo grupo de pesquisa Deep Mind do Google na área do Deep Reinforcement Learning (DRL) para agentes inteligentes focados em jogos, ele decidiu fazer deste o conteúdo principal do seu projecto de doutoramento. O pronto principal da sua proposta é: como podemos explorar técnicas do estado-da-arte de Aprendizado de Máquina (ML) como DL para fornecer um arcabouço robusto de Aprendizado por Reforço (RL) que é capaz de generalizar e realizar transferência de conhecimento para novas tarefas dentro de um domínio relacionado?Sua proposta de projeto "Improving Deep Reinforcement Learning through Knowledge Transfer" foi um dos 12 projetos vencedores do Prêmio de Pesquisa "Google Research Award América Latina 2015".