Reinforcement Learning
Esta serie de vídeos ofrece una visión general de Reinforcement Learning, un tipo de Machine Learning con potencial para resolver problemas de sistemas de control demasiado difíciles de solucionar con técnicas tradicionales.
Cubre los conceptos básicos de problemas de Reinforcement Learning y cómo se diferencia de las técnicas de control tradicionales. También explica por qué se utilizan redes neuronales para representar funciones desconocidas, y cómo el agente utiliza recompensas del entorno para entrenarlas.
Al final de esta serie, dispondrá de los conocimientos necesarios para responder a interrogantes como:
- Qué es Reinforcement Learning y por qué considerarla para resolver problemas de control
- Cómo configurar y resolver problemas de Reinforcement Learning
- Cuáles son las ventajas y desventajas de Reinforcement Learning en comparación con un enfoque de control tradicional
parte 1: Introducción a Reinforcement Learning
Obtenga una visión general de Reinforcement Learning desde la perspectiva de un ingeniero. Reinforcement Learning es un tipo de Machine Learning con potencial para resolver problemas de control.
Descripción del entorno y las recompensas
En este vídeo, desarrollamos nuestro conocimiento básico de Reinforcement Learning explorando el flujo de trabajo. ¿Qué es el entorno? ¿Cómo incentivan las funciones de recompensa a un agente? ¿Cómo se estructuran las políticas?
Políticas y algoritmos de aprendizaje
Introducción a los algoritmos de Reinforcement Learning y políticas de redes neuronales.
Problema de locomoción de robots bípedos
Aplicación de Reinforcement Learning en robótica, específicamente, la locomoción de robots bípedos.
parte 5: Cómo superar los desafíos prácticos de Reinforcement Learning
Existen ciertos retos al utilizar Reinforcement Learning en sistemas de producción, así como varias maneras de abordarlos. Este vídeo explica las dificultades para verificar las soluciones generadas y cómo afrontarlos.
Introducción a Reinforcement Learning multiagente
Aprenda qué es reinforcement learning multiagente y algunos de los desafíos que puede afrontar y superar.
Por qué elegir Reinforcement Learning basado en modelos
Compare Reinforcement Learning sin modelos y basado en modelos para comprender qué método se adapta mejor a sus necesidades.
Reinforcement Learning en hardware
Aprenda a utilizar Reinforcement Learning para entrenar e implementar políticas de control en hardware a través de varios enfoques.
