El Aprendizaje por Refuerzo (RL) es una rama poderosa del aprendizaje automático centrada en entrenar agentes inteligentes mediante la interacción con su entorno. En este curso, aprenderás cómo los agentes descubren gradualmente comportamientos efectivos a través del ensayo y error. Comenzando con conceptos fundamentales como los procesos de decisión de Markov y los bandidos de varios brazos, avanzarás por programación dinámica, métodos de Monte Carlo y aprendizaje por diferencia temporal.

Descubra cómo entrenar agentes para tomar decisiones óptimas mediante prueba y error.
Explore los fundamentos de la teoría de aprendizaje por refuerzo.
Obtenga experiencia práctica configurando y ejecutando un entorno de Gymnasium.

Domina el equilibrio entre exploración y explotación a través del problema del bandido de varios brazos. Implementación de estimación de valor de acción, métodos ε-greedy, límite superior de confianza y bandido de gradiente. Evaluación del rendimiento de algoritmos en tareas simuladas de maximización de recompensas.

Domina la programación dinámica para RL basado en modelos. Descubre cómo las ecuaciones de Bellman pueden utilizarse para evaluar y mejorar políticas. Implementación de algoritmos de iteración de políticas y de valores. Exploración de la iteración generalizada de políticas como base teórica para métodos sin modelo.

Dominar los métodos de Monte Carlo para RL sin modelo. Estimación de funciones de valor y derivación de políticas óptimas a partir de episodios completos. Implementación de algoritmos de control Monte Carlo on-policy y off-policy. Descubrimiento de estrategias de exploración para optimizar el aprendizaje sin modelo.

Dominio del aprendizaje por diferencia temporal para RL sin modelo. Estimación de funciones de valor a partir de episodios parciales utilizando actualizaciones TD(0). Implementación de los algoritmos SARSA en política y Q-Learning fuera de política. Exploración de la combinación de métodos Monte Carlo y aprendizaje TD en n-step TD y TD(λ).

Desafío: Aprendizaje por Diferencia Temporal

Desafío

Awesome!

Desafío: Aprendizaje por Diferencia Temporal

Desafío