???global.info.a_carregar???
Identificação

Identificação pessoal

Nome completo
Bernardo Anjinho Esteves

Nomes de citação

  • Esteves, Bernardo

Identificadores de autor

Ciência ID
C118-7041-0075
ORCID iD
0000-0002-1524-5006
Google Scholar ID
UDncSsUAAAAJ

Domínios de atuação

  • Ciências Exatas - Ciências da Computação e da Informação - Ciências da Computação
Formação
Grau Classificação
2019/09 - 2022/07
Concluído
Mestrado em Engenharia Informática e de Computadores (Mestrado)
Especialização em Sistemas Inteligentes
Universidade de Lisboa Instituto Superior Técnico, Portugal
"Efficient Pre-training in Model-based Reinforcement Learning" (TESE/DISSERTAÇÃO)
17
2016 - 2019
Concluído
Licenciatura em Informática e Computadores (Licenciatura)
Universidade de Lisboa Instituto Superior Técnico, Portugal
17
Percurso profissional

Ciência

Categoria Profissional
Instituição de acolhimento
Empregador
2019/10/01 - 2020/10/01 Investigador (Investigação) Fundação Calouste Gulbenkian, Portugal
Universidade de Lisboa Instituto Superior Técnico, Portugal

Outros

Categoria Profissional
Instituição de acolhimento
Empregador
2022/09/01 - Atual Lab Manager Instituto de Engenharia de Sistemas e Computadores Investigação e Desenvolvimento em Lisboa, Portugal
2019/07 - 2019/09 Machine Learning Intern Jungle AI, Portugal
2018/12 - 2019/07 Software Engineer and Cloud Manager Banco da Saúde - Associação Cuidar Solidário, Portugal
Projetos

Bolsa

Designação Financiadores
2022/09/01 - 2023/05/31 RELEvaNT
PTDC/CCI-COM/5060/2021 - BI| 2022/309
Bolseiro de Investigação
Instituto de Engenharia de Sistemas e Computadores Investigação e Desenvolvimento em Lisboa, Portugal
Fundação para a Ciência e a Tecnologia
Produções

Publicações

Capítulo de livro
  1. Bernardo Esteves; Francisco S. Melo. "Revisiting “Recurrent World Models Facilitate Policy Evolution”". 325-337. Springer International Publishing, 2021.
    10.1007/978-3-030-86230-5_26
Tese / Dissertação
  1. "Efficient Pre-training in Model-based Reinforcement Learning". Mestrado, Universidade de Lisboa Instituto Superior Técnico, 2022. https://fenix.tecnico.ulisboa.pt/cursos/meic-a/dissertacao/846778572214320.
Atividades

Consultoria / Parecer

Descrição da atividade Instituição / Organização
2020/06 - 2021/07 Helped and join some discussions with the team at the beginning of the startup on some AI models and tools to build an anomaly detection system for cloud systems. Detech.ai, Portugal
Distinções

Prémio

2020 Winner of the Category Sustainable Cities by Ciência Viva
Ciência Viva, Portugal

Universidade de Lisboa Instituto Superior Técnico, Portugal
2017 Winner of the Best app by students - Google Developer Challenge
Google Inc, Estados Unidos