No tracking, unsubscribe anytime. Privacy · RSS
Sin seguimiento; te das de baja cuando quieras. Privacidad · RSS
Notas en español.
Qué es el aprendizaje por refuerzo, en qué se diferencia del aprendizaje supervisado y del no supervisado, y cuáles son sus elementos: política, recompensa, valor y modelo.
Procesos de Markov y procesos de recompensa de Markov: la propiedad de Markov, el retorno, la función de valor y la ecuación de Bellman, con un ejemplo paso a paso.
Procesos de decisión de Markov: políticas, funciones de valor de estado y de acción, y las ecuaciones de expectativa y de optimalidad de Bellman.
Cómo resolver un MDP conocido con programación dinámica: evaluación de política, iteración de política e iteración de valor, con un mundo cuadrícula de ejemplo.
Cómo estimar la función de valor de un MDP desconocido: Monte-Carlo, diferencia temporal (TD), TD(λ) y rastros de elegibilidad.
Cómo encontrar una buena política sin conocer el MDP: exploración ε-greedy, GLIE, SARSA, SARSA(λ) y Q-Learning.
Cómo llevar el aprendizaje por refuerzo a problemas con muchísimos estados: aproximación de la función de valor, métodos incrementales, mínimos cuadrados y experience replay.