Aprendizaje por refuerzo

Temario sobre aprendizaje por refuerzo (reinforcement learning) en español.

Elaborado por Antonio Manjavacas ([email protected]).

📃 Contenidos

Parte 1. Introducción a RL

0. Introducción
1. Bandits
2. Procesos de decisión de Markov

Parte 2. Métodos tabulares

3. Programación dinámica
4. Métodos basados en muestreo
   4.1. Monte Carlo
   4.2. TD-learning
5. Planificación
6. Resumen

Parte 3. Métodos basados en aproximación de funciones

7. Aproximación de funciones de valor
8. Aproximación de políticas

Parte 4. Aprendizaje por refuerzo profundo

📝 TO-DO

📁 Material

• Diapositivas (elaboradas con Typslides).
• Ejemplos y ejercicios referenciados a lo largo del temario.

📚 Bibliografía

Principales fuentes empleadas en la elaboración de este temario:

• Sutton, R. S., & Barto, A. G. (2018). Reinforcement learning: An introduction. MIT press.
• Morales, M. (2020). Grokking deep reinforcement learning. Manning Publications.
• Coursera RL speclization.
• RL course by David Silver.

🚀 Contribuye

Si quieres ayudar a mejorar este proyecto, envía sugerencias o colabora reportando errores a través de issues.

✍️ Uso y licencia

Este material se distribuye bajo licencia GPLv3.