Reinforcement Learning Avanzado: de DQN a SAC

🌠 Reinforcement Learning Avanzado: de DQN a SAC 🌠

Crea agentes inteligentes con Deep Reinforcement Learning y PyTorch: DDPG, TD3, SAC, NAF, HER

Curso Headline:

Este es el curso más completo de Aprendizaje por Reforzamiento Avanzado en Udemy. En él, aprenderás a implementar algunos de los algoritmos de Deep Reinforcement Learning más potentes 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 Aprendizaje Profundo para crear agentes de Inteligencia Artificial adaptativos capaces de resolver tareas de toma de decisiones.

Curso Description:

Este curso te introducirá al estado del arte en técnicas de Reinforcement Learning (RL). Te preparará para los próximos cursos de esta serie, donde exploraremos otros métodos avanzados que sobresalen en otros tipos de tareas. El enfoque principal de este curso es 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.
• 🎓 Repaso: Métodos de gradiente de políticas.

Deep Reinforcement Learning:

• PyTorch Lightning: Una herramienta poderosa para construir, entrenar y mantener modelos de PyTorch rápidamente.
• Ajuste de hiperparámetros con Optuna: Domina la optimización de hiperparámetros para mejorar el rendimiento de tus modelos.
• Deep Q-Learning para espacios de acción continuos (Función de ventaja normalizada - NAF): Aprende a adaptar DQN para manejar problemas con acciones continuas.
• Deep Deterministic Policy Gradient (DDPG): Profundiza en un método de alta variación y algoritmos basados en muestreo, diseñado para entrenar agentes en entornos de simulación.
• Twin Delayed DDPG (TD3): Implementa TD3, una versión mejorada de DDPG que aborda problemas como el overestimation y la varianza alta.
• Soft Actor-Critic (SAC): Explora este algoritmo reciente y prometedor que combina técnicas de aprendizaje supervisado y no supervisado.
• Repetición de Experiencia con Perspectiva (HER): Aprende cómo mejorar la calidad del aprendizaje en RL a través de la reutilización de experiencias pasadas.

Con qué te equiparás:

• Entendimiento claro de los fundamentos del Aprendizaje por Reforzamiento.
• Experiencia práctica implementando algoritmos avanzados con PyTorch y PyTorch Lightning.
• Capacidad para ajustar e optimizar hiperparámetros para obtener los mejores resultados en tus modelos de RL.
• Herramientas especializadas para el tratamiento de espacios de acción continuos y problemas discretos.

¿Qué te espera al finalizar este curso? 🚀

• Dominar los conceptos avanzados en Deep Reinforcement Learning.
• Implementar con éxito algoritmos de RL como DDPG, TD3, SAC y NAF.
• Entender y aplicar HER para mejorar la eficiencia del entrenamiento de agentes.
• Crear agentes de IA que puedan aprender de manera adaptativa y resolver problemas complejos en entornos reales.

¡Inscríbete ahora y empieza tu viaje hacia la excelencia en Deep Reinforcement Learning con un curso diseñado para llevarte al estado del arte de la IA! 🤖✨