Introducción al aprendizaje profundo por refuerzo (DRL)

Descripción

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.

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.

Digital Innovation Hubs

Tech4E