Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
Introducción al Aprendizaje por Refuerzo
- Resumen del aprendizaje por refuerzo y sus aplicaciones
- Diferencias entre aprendizaje supervisado, no supervisado y por refuerzo
- Conceptos clave: agente, entorno, recompensas y política
Procesos de Decisión de Markov (MDP)
- Comprensión de estados, acciones, recompensas y transiciones de estado
- Funciones de valor y la Ecuación de Bellman
- Programación dinámica para resolver MDP
Algoritmos Principales de RL
- Métodos tabulares: Q-Learning y SARSA
- Métodos basados en política: algoritmo REINFORCE
- Marcos Actor-Critic y sus aplicaciones
Aprendizaje Profundo por Refuerzo
- Introducción a las Deep Q-Networks (DQN)
- Reproducción de experiencia (experience replay) y redes objetivo (target networks)
- Gradientes de política y métodos avanzados de RL profundo
Marcos de Trabajo y Herramientas de RL
- Introducción a OpenAI Gym y otros entornos de RL
- Uso de PyTorch o TensorFlow para el desarrollo de modelos de RL
- Entrenamiento, pruebas y evaluación (benchmarking) de agentes de RL
Desafíos en RL
- Equilibrar la exploración y la explotación durante el entrenamiento
- Gestionar recompensas dispersas y problemas de asignación de crédito
- Escalaridad y desafíos computacionales en RL
Actividades Prácticas
- Implementación de los algoritmos Q-Learning y SARSA desde cero
- Entrenamiento de un agente basado en DQN para jugar un juego simple en OpenAI Gym
- Ajuste fino (fine-tuning) de modelos de RL para mejorar el rendimiento en entornos personalizados
Resumen y Próximos Pasos
Requerimientos
- Sólido conocimiento de los principios y algoritmos de aprendizaje automático (machine learning)
- Dominio de la programación en Python
- Familiaridad con las redes neuronales y los marcos de trabajo de deep learning
Público Objetivo
- Ingenieros de aprendizaje automático
- Especialistas en IA
14 Horas
