Introducción al aprendizaje profundo por refuerzo (DRL)

Conceptos teóricos fundamentales del DRL. Se trabaja sobre ejercicios prácticos con TensorFlow, PyTorch, Stable Baselines, etc. Se muestra el framework ML-Agents de Unity para ver la aplicabilidad del DRL en el contexto de las simulaciones y videojuegos.

Plazas Limitadas / Reserva tu plaza

Formulario de inscripción

Objetivos

• Introducir al participante al DRL.
• Conocer las herramientas y librerías más ampliamente usadas en el DRL.
• Discusión sobre los hiperparámetros más relevantes en el DRL.
• Desarrollo e implementación de modelos de DRL en TensorFlow, PyTorch y/o ML-Agents.

Contenidos

• Estudio de los fundamentos teóricos que sustentan al aprendizaje profundo por refuerzo.
• Instalación de librerías y herramientas.
• Familiarizarse con las herremientas y librerías.
• Implementación de varios modelos de DRL.
• Aprender a mostrar e interpretar los resultados con TensorBoard.