manjavacas/rl-temario

Temario sobre aprendizaje por refuerzo en español.

ℹ️ Temario en desarrollo. Se irá completando y revisando progresivamente.

Aprendizaje por refuerzo

Temario sobre aprendizaje por refuerzo (reinforcement learning) en español.

Elaborado por Antonio Manjavacas (manjavacas@ugr.es).

📃 Contenidos

Parte 1. Introducción a RL

0. Introducción
1. Bandits
2. Procesos de decisión de Markov

Parte 2. Métodos tabulares

3. Programación dinámica
4. Métodos basados en muestreo
   4.1. Parte 1
   4.2. Parte 2
   4.3. Parte 3
5. Planificación
6. Resumen

Parte 3. Métodos basados en aproximación de funciones

🚧 En desarrollo.

📁 Material

• Diapositivas (elaboradas con Typslides y Polylux).
• Ejemplos y ejercicios referenciados a lo largo del temario.

📚 Bibliografía

Principales fuentes empleadas en la elaboración de este temario:

• Sutton, R. S., & Barto, A. G. (2018). Reinforcement learning: An introduction. MIT press.
• Morales, M. (2020). Grokking deep reinforcement learning. Manning Publications.
• Coursera RL speclization.
• RL course by David Silver.

🚀 Contribuye

Si quieres ayudar a mejorar este proyecto, envía sugerencias o colabora reportando errores a través de issues.

✍️ Uso y licencia

Este material se distribuye bajo licencia GPLv3.