Programa de Pós-Graduação em Ciência da Computação

Thiago Pereira Bueno

É doutorando em Ciência da Computação no Instituto de Matemática e Estatística da Universidade de São Paulo no Laboratório de Lógica, Inteligência Artificial e Métodos Formais (LIAMF). Possui graduação em Engenharia Elétrica - Ênfase em Eletrônica pela Universidade de São Paulo (2009) com Duplo Diploma na França pela Ecole Centrale de Nantes (2007). Tem interesse na área de Inteligência Artificial, especialmente nas sub-áreas de Planejamento Automatizado, Aprendizado por Refoço baseado em Modelos, Aprendizagem Profunda, Modelos Gráficos Probabilísticos e Programação Lógica Probabilística. (Texto informado pelo autor)

http://lattes.cnpq.br/6728277602828344 (24/05/2021)

Rótulo/Grupo:

Bolsa CNPq:

Período de análise:

Endereço:

Grande área: Ciências Exatas e da Terra

Área: Ciência da Computação

Citações: Google Acadêmico

Produção bibliográfica

Artigos completos publicados em periódicos (1)
1. BUENO, THIAGO P.; DE BARROS, LELIANE N. ; MAUÁ, DENIS D. ; Sanner, Scott. Deep Reactive Policies for Planning in Stochastic Nonlinear Domains. Proceedings of the AAAI Conference on Artificial Intelligence. v. 33, p. 7530-7537, 2019. Qualis: Não identificado (PROCEEDINGS OF THE AAAI CONFERENCE ON ARTIFICIAL INTELLIGENCE)
Livros publicados/organizados ou edições (0)
Capítulos de livros publicados (1)
1. Scaroni, Renato ; BUENO, THIAGO P. ; DE BARROS, LELIANE N. ; Mauá, Denis. On the Performance of Planning Through Backpropagation. Lecture Notes in Computer Science. 1ed. Em: . : Springer International Publishing. 2020.p. 108-122.
Textos em jornais de notícias/revistas (0)
Trabalhos completos publicados em anais de congressos (4)
1. LOVATTO, A. G. ; BUENO, THIAGO P. ; MAUA, D. D. ; BARROS, L. N.. Decision-Aware Model Learning for Actor-Critic Methods: When Theory Does Not Meet Practice. Em: NeurIPS, 2020. Qualis: Não identificado (NeurIPS)
2. LOVATTO, ANGELO G. ; BUENO, THIAGO P. ; DE BARROS, LELIANE N.. Analyzing the Effect of Stochastic Transitions in Policy Gradients in Deep Reinforcement Learning. Em: 2019 8th Brazilian Conference on Intelligent Systems (BRACIS), p. 413, 2019. Qualis: Não identificado (2019 8th Brazilian Conference on Intelligent Systems (BRACIS))
3. BUENO, THIAGO P.; MAUA, DENIS D. ; BARROS, LELIANE N. DE ; COZMAN, FABIO G.. Modeling Markov Decision Processes with Imprecise Probabilities Using Probabilistic Logic Programming. Em: International Symposium on Imprecise Probability: Theories and Applications, v. 62, p. 49-60, 2017.Qualis: Não identificado (International Symposium on Imprecise Probability: Theories and Applications)
4. BUENO, THIAGO P.; MAUA, DENIS D. ; BARROS, LELIANE N. DE ; COZMAN, FABIO G.. Markov Decision Processes Specified by Probabilistic Logic Programming: Representation and Solution. Em: 2016 5th Brazilian Conference on Intelligent Systems (BRACIS), p. 337, 2016. Qualis: Não identificado (2016 5th Brazilian Conference on Intelligent Systems (BRACIS))
Resumos expandidos publicados em anais de congressos (0)
Resumos publicados em anais de congressos (0)
Artigos aceitos para publicação (0)
Apresentações de trabalho (5)
1. BUENO, T. P.; BARROS, LELIANE N. DE ; MAUA, DENIS D. ; Sanner, Scott. Deep Reactive Policies for Planning in Stochastic Nonlinear Domains. 2019. Apresentação de Trabalho/Conferência ou palestra
2. BUENO, T. P. Dissertation Abstract: Deep Probabilistic Planning. 2018. Apresentação de Trabalho/Conferência ou palestra
3. BUENO, T. P.; MAUA, DENIS D. ; BARROS, LELIANE N. DE ; COZMAN, FABIO G.. Markov Decision Processes Specified by Probabilistic Logic Programming: Representation and Solution. 2016. Apresentação de Trabalho/Conferência ou palestra
4. BUENO, THIAGO P.; LOVATTO, A. G.. Curso de Verão - IME/USP - 2021 - Introdução ao Aprendizado por Reforço. 2021. Curso de curta duração ministrado/Extensão
5. LOVATTO, A. G. ; BUENO, T. P.. Curso de Verão - IME/USP - 2020 - Introdução ao Aprendizado por Reforço. 2020. Curso de curta duração ministrado/Extensão
Demais tipos de produção bibliográfica (0)

Produção técnica

Programas de computador com registro (0)
Programas de computador sem registro (0)
Produtos tecnológicos (0)
Processos ou técnicas (0)
Trabalhos técnicos (0)
Demais tipos de produção técnica (0)

Produção artística

Total de produção artística (0)

Orientações em andamento

Supervisão de pós-doutorado (0)
Tese de doutorado (0)
Dissertação de mestrado (0)
Monografia de conclusão de curso de aperfeiçoamento/especialização (0)
Trabalho de conclusão de curso de graduação (0)
Iniciação científica (0)
Orientações de outra natureza (0)

Supervisões e orientações concluídas

Supervisão de pós-doutorado (0)
Tese de doutorado (0)
Dissertação de mestrado (0)
Monografia de conclusão de curso de aperfeiçoamento/especialização (0)
Trabalho de conclusão de curso de graduação (0)
Iniciação científica (0)
Orientações de outra natureza (0)

Projetos de pesquisa

Total de projetos de pesquisa (0)

Prêmios e títulos

Total de prêmios e títulos (0)

Participação em eventos

Total de participação em eventos (5)
1. ANITI Reinforcement Learning Virtual School (RLVS). 2021. (Oficina).
2. Machine Learning Graduate Course (Fields Institute). 2019. (Oficina).
3. Deep Learning and Reinforcement Learning Summer School (Vector Institute).Deep Probabilistic Planning. 2018. (Oficina).
4. International Summer School on Planning and Scheduling (ICAPS18).Deep Probabilistic Planning. 2018. (Oficina).
5. 1st Summer School on Cognitive Robotics (MIT). 2017. (Oficina).

Organização de eventos

Total de organização de eventos (0)

Lista de colaborações

Colaborações endôgenas (1)
- Thiago Pereira Bueno ⇔ Ângelo Gregório Lovatto (2.0)
  1. LOVATTO, ANGELO G.; Bueno, Thiago P. ; Mauá, Denis D. ; de Barros, Leliane N.. Decision-Aware Model Learning for Actor-Critic Methods: When Theory Does Not Meet Practice. Em: I Can't Believe It's Not Better! Workshop, v. 137, p. 76-86, 2020. Qualis: Não identificado (I Can't Believe It's Not Better! Workshop)
  2. LOVATTO, ANGELO G. ; BUENO, THIAGO P. ; DE BARROS, LELIANE N.. Analyzing the Effect of Stochastic Transitions in Policy Gradients in Deep Reinforcement Learning. Em: 2019 8th Brazilian Conference on Intelligent Systems (BRACIS), p. 413, 2019. Qualis: Não identificado (2019 8th Brazilian Conference on Intelligent Systems (BRACIS))

(*) Relatório criado com produções desde 2000 até 2025
Data de processamento: 12/02/2025 20:44:31