En este curso, aprenderá a resolver problemas con espacios de estado grandes, de alta dimensión y potencialmente infinitos. Verá que la estimación de funciones de valor se puede convertir en un problema de aprendizaje supervisado (aproximación de funciones), lo que le permite crear agentes que equilibren cuidadosamente la generalización y la discriminación para maximizar la recompensa. Comenzaremos este viaje investigando cómo nuestra evaluación de políticas o métodos de predicción como Monte Carlo y TD pueden extenderse a la configuración de aproximación de funciones. Aprenderá sobre técnicas de construcción de características para RL y aprendizaje de representación a través de redes neuronales y backprop. Concluimos este curso con una inmersión profunda en los métodos de gradiente de políticas; una forma de aprender políticas directamente sin aprender una función de valor. En este curso, resolverá dos tareas de control de estado continuo e investigará los beneficios de los métodos de gradiente de políticas en un entorno de acción continua. Requisitos previos: este curso se basa en gran medida en los fundamentos de los cursos 1 y 2, y los alumnos deben haberlos completado antes de comenzar este curso. Los estudiantes también deben sentirse cómodos con las probabilidades y expectativas, el álgebra lineal básica, el cálculo básico, Python 3.0 (al menos 1 año) y la implementación de algoritmos a partir de pseudocódigo. Al final de este curso, podrá: -Comprender cómo usar enfoques de aprendizaje supervisado para aproximar funciones de valor -Comprender objetivos para predicción (estimación de valor) bajo aproximación de función -Implementar TD con aproximación de función (agregación de estado),