Sriram est professeur adjoint à l’École d’informatique de l’Université Carleton. Il est également membre du corps professoral affilié à l’Institut Vector de Toronto et à l’Institut Schwartz Reisman de technologie et de société à Toronto. Son principal intérêt de recherche porte sur l’apprentissage par renforcement multi-agents. Il s’intéresse particulièrement aux problèmes d’échelle, de non-stationarité, de communication efficace et d’inefficacité des échantillons dans les systèmes d’apprentissage multi-agents. Sa vision de recherche à long terme est de rendre les algorithmes d’apprentissage multi-agents applicables à une variété de problèmes réels à grande échelle et de combler le fossé grandissant entre la compréhension théorique et les avancées empiriques de l’apprentissage par renforcement multi-agents. En raison de ses intérêts de recherche, il travaille fréquemment sur les vastes domaines (et les intersections) de l’apprentissage par renforcement, de l’apprentissage automatique et de la théorie des jeux. Auparavant, Sriram a été chercheur postdoctoral distingué à l’Institut Vector. Il a obtenu son doctorat en génie électrique et informatique de l’Université de Waterloo. Sa thèse de doctorat a remporté le prix de la meilleure thèse de doctorat décernée par l’Association canadienne de l’IA.  Les recherches de Sriram ont été publiées dans plusieurs plateformes multi-agents et IA de premier plan telles que AAAI, AAMAS, ICML, AISTATS, IJCAI et JAIR. Au cours de son parcours de recherche, Sriram a collaboré étroitement avec plusieurs entreprises, dont Microsoft, Banque Royale du Canada, Denso International America, Environmental Systems Research Institute (ESRI) et la Banque de Montréal. Il agit également régulièrement comme évaluateur et membre du comité de programme pour des lieux de publication de premier plan dans les domaines de l’IA, de l’apprentissage automatique et des systèmes multi-agents.