Daniel MASTROPIETRO - Thèse en cours

mastropi@uwalumni.com
Identifiant ORCID 0000000294567475
Identifiant Hal https://hal.archives-ouvertes.fr/search/index/?q=%2A&authIdHal_s=daniel-mastropietro
Compte LinkedIn www.linkedin.com/in/danielmastropietro
Compte Researchgate https://www.researchgate.net/profile/Daniel_Mastropietro
En recherche d'emploi
Disponibilité : mars 2025
Mobilité : Europe

Projet professionnel :

Recherche en entreprise, R&D du secteur privé
Entreprenariat des domaines innovants
chercheur en entreprise, R&D du secteur privé
expertise, études et conseils dans des organisations, cabinets ou sociétés fournissant des prestations intellectuelles, des expertises scientifiques, prospectives ou stratégiques
entrepreneur des domaines innovants

Techniques maîtrisées :
Langages de programmation : Python, R, SQL, PHP, Java, C, Perl Logiciels de Mathématique et de Statistique : R, Matlab, SAS, SPSS

Expérience professionnelle :
Non salarié
Domaine d'activité : Statistique, Machine Learning
Fonction exercée : Statisticien et développeur de logiciels
Secteur d'emploi : Activités informatiques
Unité de recherche ou entreprise : Daniel Mastropietro
Créateur de l'entreprise
Lausanne - SUISSE

Doctorat Mathématiques et Applications

- Institut National Polytechnique de Toulouse

Ecole doctorale : EDMITT - Ecole Doctorale Mathématiques, Informatique et Télécommunications de Toulouse

Sujet : Apprentissage structuré et transfer de connaissances dans l'apprentissage par renforcement

Mots-clés de la thèse : connaissance structuré,apprentissage par renforcement,optimisation,Processus de décision markovien,transfer de l'apprentissage,apprentissage automatique,

Direction de thèse : Urtzi AYESTA

Co-encadrement de thèse : Matthieu JONCKHEERE

Unité de recherche : IRIT : Institut de Recherche en Informatique de Toulouse UMR 5505 - Toulouse
Intitulé de l'équipe : RMESS - Réseaux, Mobiles, Embarqués, Sans fil, Satellites

Master - N

obtenu en avril 2001 - UNIVERSITY OF WISCONSIN
Option : Statistics & Signal Processing

Production scientifique

- Daniel Mastropietro, Georgios Korpas, Vyacheslav Kungurtsev, Jakub Marecek 2024. Fleming-Viot helps speed up variational quantum algorithms in the presence of barren plateaus arXiv, N/A, https://arxiv.org/abs/2311.18090v2
- Daniel Mastropietro, Urtzi Ayesta, Matthieu Jonchkeere 2024. Sample-efficient reinforcement learning for environments with rare high-reward states European Workshop of Reinforcement Learning (EWRL-2024), N/A, https://openreview.net/pdf?id=mMYvXU2SXG
- Daniel Mastropietro, Urtzi Ayesta, Matthieu Jonckheere, Szymon Majewski 2023. Efficient reinforcement learning with Fleming-Viot particle systems: application to stochastic networks with rarely observed rewards , , https://hal.science/hal-04129885/document
- Daniel Mastropietro, Szymon Majewski, Urtzi Ayesta, Matthieu Jonckheere 2022. Boosting reinforcement learning with sparse and rare rewards using Fleming-Viot particle systems , , https://ut3-toulouseinp.hal.science/hal-03772025/document
- Daniel G. Mastropietro Javier A. Moya 2020. Design of Fe-based Bulk Metallic Glasses for maximum amorphous diameter (Dmax) using machine learning models Computational Materials, Volume 188, 15-Feb-2021, #110230, https://doi.org/10.1016/j.commatsci.2020.110230

Informations complémentaires :
Jouer du piano Faire du théâtre
Langues Vivantes : Italien C2 - Courant - Français C1 - Avancé - Espagnol C2 - Maternel - Anglais C2 - Maternel

Dernière mise à jour le 6 novembre 2024