CAPÍTULO 16 / 40
Aprendizaje por refuerzo
5 lecciones · Explora, experimenta y comprende.
DOJO PETTu pequeño compañero de código
DOJO / TU GUÍA
Aprendamos juntos.
Pregúntame sobre este curso o por dónde empezar.
Lecciones del capítulo
5 lecciones
- Paso 71~5m3D · 1Código · 11★Más cinematográfica
Procesos de decisión de Markov
Un MDP formaliza decisiones secuenciales: con estados, acciones, transiciones, recompensa y descuento.
Abrir lección - Paso 72~5m3D · 1Código · 11★Más cinematográfica
Ecuaciones de Bellman e iteración de valor
= retorno esperado siguiendo desde . = retorno esperado tomando en y luego siguiendo .
Abrir lección - Paso 73~5mCódigo · 11🎯Victoria rápida
Teorema del gradiente de política
Los métodos de gradiente de política optimizan por ascenso en = retorno esperado.
Abrir lección - Paso 74~5m3D · 1Código · 11★Más cinematográfica
Q-Learning y diferencia temporal
Q-Learning aprende sin modelo: .
Abrir lección - Paso 75~5mCódigo · 11🎯Victoria rápida
Métodos actor-crítico
Un actor-crítico entrena dos redes: el actor y el crítico o . El actor mejora por gradiente; el crítico aporta base y objetivo TD.
Abrir lección