3.8.3 AIM/Aprendizaje por Refuerzo

Temas:
Core Tier1

• Procesos de Decisión de Markov (MDPs)
• Iteración de valor e iteración de política
• Q-learning y aprendizaje por diferencias temporales
• Métodos de gradiente de política
• Aprendizaje por refuerzo profundo

Objetivos de Aprendizaje (Learning Outcomes):
Core-Tier1:

1. Formular problemas como Procesos de Decisión de Markov [Usar]
2. Implementar iteración de valor y de política [Usar]
3. Aplicar Q-learning para RL libre de modelo [Usar]
4. Usar métodos de gradiente de política [Usar]