Lección 4 del curso Aprendizaje por Refuerzo Nivel Básico.
En la lección anterior tuvimos una visión general de la historia del Aprendizaje por Refuerzo, y allí hablamos de los principales hitos en sus poco más de 70 años de historia.
En esta lección definiremos entonces los componentes que hacen parte de cualquier sistema de aprendizaje por refuerzo. En particular hablaremos del Agente, del entorno, de las observaciones y los estados, de las acciones y de la recompensa:
Contenido exclusivo para suscriptores
Si eres suscriptor accede en este enlace ó suscríbete a la Academia Online y accede a todo el contenido (lecciones en video, código fuente, sets de datos y descargas) de todos los cursos, proyectos y tutoriales.
Bien, ya hemos definido formalmente los componentes de un sistema de Aprendizaje por Refuerzo y vimos que esencialmente el objetivo es que el Agente tome como entradas los estados y la recompensa (provenientes del entorno) y aprenda a generar las acciones que le permitan a largo plazo obtener la máxima recompensa posible.
Así que ya estamos listos para entrar a la sección más importante del curso, los Procesos de Decisión de Markov, que es básicamente el lenguaje matemático que usaremos para formular cualquier problema de Aprendizaje por Refuerzo.
Entonces, en la próxima lección veremos una introducción a estos Procesos de Decisión de Markov.
Todas las lecciones del curso Aprendizaje por Refuerzo Nivel Básico