Shadan Golestan est un scientifique spécialisé dans l'apprentissage automatique au sein de l'équipe Advanced Tech d'Amii, où il effectue des recherches et conçoit des algorithmes d'apprentissage automatique pour résoudre des problèmes du monde réel. Ses recherches portent principalement sur la conception d'agents via l'apprentissage par renforcement, l'optimisation bayésienne et les grands modèles de langage pour résoudre les problèmes de prise de décision séquentielle, tels que l'optimisation des systèmes et les techniques d'adaptation des machines/robots dans les applications du monde réel.

Avant de travailler chez Amii, Shadan a travaillé en tant que chercheur postdoctoral avec Osmar Zaiane d'Amii au département d'informatique de l'université d'Alberta. Il a également acquis une expérience dans l'industrie en travaillant pour ShopHopper et Visier.

Shadan a obtenu son doctorat au département d'informatique de l'université d'Alberta. Sa thèse intitulée Simulation-based Sensor Configuration Optimization to Detect Human Activities in Smart Indoor Spaces (Optimisation de la configuration des capteurs basée sur la simulation pour détecter les activités humaines dans les espaces intérieurs intelligents) a étudié l'intersection de l'optimisation bayésienne et des méthodologies de simulation, jetant les bases d'approches novatrices en matière de prise de décision basée sur l'IA.

Pendant son temps libre, Shadan aime regarder les matchs de la NBA, jouer au basket-ball, à la guitare et aux jeux vidéo.