Este repositorio de github contiene material para el workshop de la RIIAA '19 Reinforcement Learning & Open AI.
En los archivos encontrarás una presentación introductoria a Reinforcement Learning y en particular Q learning con tablas y usando deep Q network para optimizar estrategias en el contexto dinámico.
Dos cuadernos de Jupyter notebook:
-
Q learning with tables: Taxi.ipynb: un tutorial introductorio a las ideas básicas de Reinforcement Learning y Q learning en tablas. Se genera un algoritmo de RL que aprende a jugar un ambiente básico de OpenAI
-
Q learning usando DQN.ipynb: un tutorial en donde se implementa Deep Q Network usando una red neuronal para resolver un ambiente básico pero un poco más complejo de OpenAI
Materiales para seguir aprendiendo:
-
El libro de Richard Sutton, Reinforcement Learning: An Introduction — https://people.inf.elte.hu/lorincz/Files/RL_2006/SuttonBook.pdf
-
Clase de la universidad de Berkeley CS 294, Deep Reinforcement Learning: http://rail.eecs.berkeley.edu/deeprlcourse/
-
Reinforcement Learning course de UCL: http://www0.cs.ucl.ac.uk/staff/d.silver/web/Teaching.html