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.
Este taller será una experiencia enriquecedora para los estudiantes y profesionales, proporcionándoles habilidades prácticas y conocimientos especializados en el ámbito de las redes de sensores inalámbricos.
Cada participante debe llevar su propio ordenador para el caso práctico.
Queremos mantener un ambiente interactivo y propicio para el aprendizaje. El taller cuenta con un cupo limitado para un máximo de 10 participantes en cada edición.
Este taller será una experiencia enriquecedora para los estudiantes y profesionales, proporcionándoles habilidades prácticas y conocimientos especializados en el ámbito de las redes de sensores inalámbricos.
Cada participante debe llevar su propio ordenador para el caso práctico.
Queremos mantener un ambiente interactivo y propicio para el aprendizaje. El taller cuenta con un cupo limitado para un máximo de 10 participantes en cada edición.
este taller será una experiencia enriquecedora para los estudiantes y profesionales, proporcionándoles habilidades prácticas y conocimientos especializados en el ámbito de las redes de sensores inalámbricos.
Cada participante debe llevar su propio ordenador para el caso práctico.
Queremos mantener un ambiente interactivo y propicio para el aprendizaje. El taller cuenta con un cupo limitado para un máximo de 10 participantes en cada edición.
Este taller será una experiencia enriquecedora para los estudiantes y profesionales, proporcionándoles habilidades prácticas y conocimientos especializados en el ámbito de las redes de sensores inalámbricos
Cada participante debe llevar su propio ordenador para el caso práctico.
Queremos mantener un ambiente interactivo y propicio para el aprendizaje. El taller cuenta con un cupo limitado para un máximo de 10 participantes en cada edición.