👋 Curso sobre Reinforcement Learning
🙂 Descripción
En este curso se incluye todo lo básico relacionado con el Aprendizaje por Refuerzo. Desde los conceptos más básicos, como qué es una cadena de Markov, hasta conceptos más interesantes como la inclusión de Redes Neuronales en algoritmos de RL. Para ello, cada una de las clases cuenta con un Jupyter Notebook ejecutable con toda la teoría y con imágenes de esquemas que ayudan a una mejor comprensión. Esta pensado para que sea un curso desde 0, por ello, tanto si eres principiante, como si quieres refrescar conocimientos, este curso es para ti.
🔖 Tabla de Contenidos
Este curso está dividido en varias partes:
📜 Temas
Para ejecutar los notebooks la mejor forma es usar docker. En apenas unos minutos y sin instalar nada tendrás acceso a todos los notebooks. 🤯
0️⃣ Introducción a Reinforcement Learning
- Agente y Entorno
- Recompensas, Observaciones y Acciones
- Equilibrio Exploración Explotación
- Maximizar la Recompensa a largo plazo
- Descubriendo Gym: Creando mi primer entorno
- Descubriendo Gym: Creando mi primer agente
1️⃣ Ecuación de Bellman: El valor de los estados
- V-table: asignando un valor a cada estado
- Ecuación de Bellman: calculando V para cada estado
- Cálculo de la Política usando la V-table
2️⃣ Ecuación de Bellman: El valor de las acciones
- Las acciones en los Procesos de decisión de Markov
- Q: El valor de las acciones
- Programación Dinámica: Iteración de Valores
3️⃣ Q Learning
- Diferencias Temporales: Q-learning
- Alpha: aprender más de lo nuevo o de lo viejo
- Gamma: cuanto más lejos en el futuro menos confianza
- La política Óptima
⚡ Quick-Start: usando remote containers
1. Instala el Plugin de VSCode de Remote Containers
# Presiona Ctrl + shift + p
# Pega ext install ms-vscode-remote.remote-containers
# Presiona Enter
2. Abre el entorno de desarrollo
# Presiona Ctrl + shift + p
# Busca: Remote-Containers: Rebuild and Reopen in container
# Presiona Enter (y espera, la primera vez tarda unos minutos)
3. Abre los Notebooks
Abre el buscador y ve a http://127.0.0.1:8888/