Conceptos Básicos de Aprendizaje por Refuerzo - Curso de IA Agente - Conferencia 11

Resumen

Sumérgete en los conceptos básicos del Aprendizaje por Refuerzo a través de ejemplos comprensibles como el adiestramiento de perros, explorando componentes clave como agentes, entorno, estados, acciones, recompensas y políticas.

Programa de estudio

- Introducción al Aprendizaje por Refuerzo -- Definición y Conceptos Clave -- Analogías del Mundo Real (por ejemplo, Entrenamiento de Perros) - Componentes Clave del Aprendizaje por Refuerzo -- Agentes -- Entornos -- Estados -- Acciones -- Recompensas -- Políticas - Interacción Agente-Entorno -- Entendiendo el Papel de un Agente -- Definiendo el Entorno -- Transiciones de Estado y Espacios de Estado - Acciones y Toma de Decisiones -- Espacios de Acción -- Exploración vs. Explotación - Mecanismos de Recompensa -- Diseñando Funciones de Recompensa -- Recompensas Retrasadas y Metas a Largo Plazo - Política y Funciones de Política -- Políticas Ambiciosas -- Políticas Estocásticas - Algoritmos Básicos en Aprendizaje por Refuerzo -- Métodos Basados en Valor (por ejemplo, Q-learning) -- Métodos Basados en Políticas - Estudio de Caso: Analogía del Entrenamiento de Perros -- Mapeando Conceptos de Aprendizaje por Refuerzo al Entrenamiento de Perros -- Ejemplos y Ejercicios - Resumen y Conclusiones Clave -- Revisión de Conceptos Fundamentales -- Discusión sobre Aplicaciones Prácticas - Sesión de Preguntas y Respuestas -- Atendiendo Preguntas de los Estudiantes -- Aclaraciones y Recursos Adicionales

Enseñado por

Etiquetas