Reinforcement Learning Avanzado: DQNs avanzadas
Construye agentes de Inteligencia Artificial (IA) utilizando Deep Reinforcement Learning y PyTorch
Description
Este es el curso más completo de Reinforcement Learning Avanzado en Udemy. En él, aprenderás a implementar algunos de los algoritmos más poderosos de Deep Reinforcement Learning en Python utilizando PyTorch y PyTorch Lightning. Implementarás desde cero algoritmos adaptativos que resuelven tareas de control basadas en la experiencia. Aprenderás a combinar estas técnicas con Redes Neuronales y métodos de Deep Learning para crear agentes de Inteligencia Artificial adaptativos capaces de resolver tareas de toma de decisiones.
Este curso te introducirá al estado del arte en técnicas de Reinforcement Learning. También te preparará para los próximos cursos en esta serie, donde exploraremos otros métodos avanzados que destacan en otros tipos de tareas.
El curso se enfoca en el desarrollo de habilidades prácticas. Por lo tanto, después de aprender los conceptos más importantes de cada familia de métodos, implementaremos uno o más de sus algoritmos en cuadernos Jupyter, desde cero.
Módulos de nivelación:
- Repaso: El proceso de decisión de Markov (MDP).
- Repaso: Q-Learning.
- Repaso: Breve introducción a las Redes Neuronales.
- Repaso: Deep Q-Learning.
Reinforcement Learning avanzado:
- PyTorch Lightning.
- Ajuste de hiperparámetros con Optuna.
- Reinforcement Learning con entradas de imágenes.
- Doble Aprendizaje Profundo Q.
- Redes Neuronales Q de Duelo.
- Reproducción Experiencial Priorizada (PER).
- Redes Neuronales Q Distribucionales.
- Redes Neuronales Q Ruidosas.
- Aprendizaje Profundo Q de N pasos.
- Aprendizaje Profundo Q Rainbow.
What You Will Learn!
- Domina algunos de los algoritmos de Reinforcement Learning más avanzados.
- Aprende a crear inteligencias artificiales que puedan actuar en un entorno complejo para alcanzar sus objetivos.
- Crea desde cero agentes avanzados de Reinforcement Learning utilizando las herramientas más populares de Python (PyTorch Lightning, OpenAI gym, Optuna).
- Aprende a realizar ajuste de hiperparámetros (selección de las mejores condiciones experimentales para que nuestra inteligencia artificial aprenda).
- Comprende de manera fundamental el proceso de aprendizaje para cada algoritmo.
- Depura y amplía los algoritmos presentados.
- Comprende e implementa nuevos algoritmos a partir de artículos de investigación.
Who Should Attend!
- Desarrolladores que deseen conseguir un trabajo en Machine Learning.
- Científicos/analistas de datos y profesionales de Machine Learning que buscan ampliar su amplitud de conocimientos.
- Estudiantes e investigadores en robótica.
- Estudiantes e investigadores de ingeniería.