Redes y agentes / Avanzado
Aprendizaje por refuerzo con Python
Entrena un agente tabular en un entorno pequeño y controlado.
Curso breve textual · edición inicial · 6 lecciones
150–300 minutos de lectura y práctica · estimación, no horas acreditadas
Lo que aprenderás
- Definir estado, acción, recompensa y política.
- Interpretar una actualización de Q-learning.
- Evaluar sin confundir exploración con desempeño.
Temario
- ComprenderAgente, entorno y objetivo
- ComprenderDiseñar una recompensa coherente
- AplicarExplorar y aprovechar
- AplicarActualizar la tabla Q
- Comprobar y transferirEjecutar y comprobar el agente
- Comprobar y transferirLímites y paso siguiente
Proyecto y evaluación
Analiza el agente de la línea de cinco estados: recompensas, política aprendida, evaluación y límites.
Examen: 10 preguntas del banco de 12; aprobado con 80 %. Hasta 3 intentos en 24 horas, con 30 minutos de repaso entre intentos. Se requiere completar todas las lecciones.
Las prácticas son de autocomprobación. El diploma se obtiene tras completar lecciones y aprobar el examen.
Diploma propio de AIAO, no oficial ni equivalente a certificaciones externas. El texto libre de las prácticas no se califica automáticamente.