La reciente cobertura en las noticias ha puesto de nuevo en relieve cómo los algoritmos de Reinforcement Learning están superando a los profesionales en juegos de mesa y videojuegos. Reinforcement Learning (aprendizaje por refuerzo) es un área de Machine Learning que permite el uso de inteligencia artificial en aplicaciones complejas como los videojuegos, la robótica, el vehículo autónomo, y otras muchas.
Si está interesado en utilizar la tecnología de Reinforcement Learning para su proyecto, pero nunca lo ha utilizado antes, ¿por dónde comenzar?
Este ebook le ayudará a iniciarse en Reinforcement Learning con MATLAB® y Simulink®, a través de ejemplos, tutoriales, terminología y acceso al software de prueba.
Leer este ebook y aprenda sobre:
Parte 1: Conceptos básicos y configuración del entorno
Aprenda los conceptos básicos del Reinforcement Learning y cómo se compara con el diseño de control tradicional. Descubra la diferencia entre aprendizaje supervisado, no supervisado y Reinforcement Learning, y vea cómo configurar un entorno de aprendizaje en MATLAB y Simulink.
Parte 2: Estructura de las reglas lógicas y sistemas de recompensas
Aprenda sobre la exploración y explotación en el Reinforcement Learning y cómo crear funciones de recompensa. Explore diferentes opciones para representar políticas, incluyendo las redes neuronales y cómo pueden ser utilizadas como aproximadores de funciones.
Parte 3: Aprendizaje e implementación
Aprenda sobre los diferentes tipos de algoritmos de aprendizaje, incluyendo los métodos basados en políticas, valores y algoritmos actor-crítico. Obtenga más información sobre los pros y los contras de cada método de aprendizaje, así como sobre la popular ecuación de Bellman. Finalmente, vea lo que debe considerar antes de implementar una política entrenada, y los desafíos e inconvenientes asociados con esta técnica.
