El aprendizaje por refuerzo es un subcampo del aprendizaje automático, pero también es un formalismo de propósito general para la toma de decisiones automatizada y la IA.

Este curso lo introduce a las técnicas de aprendizaje estadístico en las que un agente realiza acciones explícitas e interactúa con el mundo.

Comprender la importancia y los desafíos de los agentes de aprendizaje que toman decisiones es de vital importancia hoy en día, con más y más empresas interesadas en agentes interactivos y toma de decisiones inteligente.

Este curso es una introducción a los fundamentos del aprendizaje por refuerzo.

Cuando termine este curso: - Formalizará problemas como procesos de decisión de Markov - Comprenderá los métodos básicos de exploración y la compensación de exploración/explotación - Comprenderá las funciones de valor, como una herramienta de propósito general para una toma de decisiones óptima - Saber cómo implementar la programación dinámica como un enfoque de solución eficiente a un problema de control industrial Este curso le enseña los conceptos clave del Aprendizaje por Refuerzo, subyacentes a los algoritmos clásicos y modernos en RL.

Después de completar este curso, podrá comenzar a usar RL para problemas reales, donde tiene o puede especificar el MDP.

Este es el primer curso de la Especialización en Aprendizaje por Refuerzo.