Introduction to (deep) reinforcement learning - Jorge Del Val en T3chFest 2017

Jorge del Val Santos (BEEVA)
El "Reinforcement Learning" es un área del machine learning y la inteligencia artificial que trata con agentes que aprenden y se adaptan dinámicamente a un entorno incierto en base a su experiencia. Has oído hablar de los recientes éxitos de Google Deep Mind? Programas que aprenden automáticamente a jugar a Atari usando sólo los pixeles, o ganar al campeón mundial de "Go" varias veces. El aprendizaje por refuerzo está en la frontera de las matemáticas aplicadas y la inteligencia artificial, siendo un campo de investigación extremadamente activo y profundo.
En esta charla revisaremos brevemente, de una forma accesible, los fundamentos matemáticos y algorítmicos para entender cómo o por qué funcionan estas técnicas. También veremos algunas implementaciones y ejemplos en Python y discutiremos brevemente la aproximación funcional por medio de redes neuronales profundas.
Suscríbete a nuestra newsletter;
bit.ly/newsletterautentia
Facebook;
/ autentia-127966880558674
Twitter;
/ autentia

[@ivangalicia4618]

Excelente... siempre es bueno tener ejemplos palpables de lo que pueden hacer los algoritmos... Gracias por compartir

[@franrobleno2225]

Hola Jorge,
Tuve la suerte de poder asistir a una de tus conferencias, en la que mostrabas al final un vídeo sobre cómo un robot había aprendido progresivamente a esquivar obstáculos sin caerse; ¿podrías por favor decirme cómo encontrarlo?
Aprovecho para decirte que has sido uno de los ponentes que más me ha marcado en la corta experiencia que tengo en esta ciencia.
Muchas gracias.

[@Jorge-ox7ir]

Varias personas os acercasteis y me pedísteis más información después de la charla. Añado algunas aclaraciones aquí:
- Link a vídeo de BEEVA donde entro un poco más en detalle: ruclips.net/video/KNg04gEb5Es/видео.html
- El deep learning también se extiende al aprendizaje no supervisado en el área de "deep generative models". No lo mencioné por claridad de cara al tema en cuestión, pero es un área del deep learning con mucha importancia hoy en día.
- Hay muchos temas importantes que me hubiera gustado mencionar, pero que por tiempo o el caracter divulgativo de la charla decidí omitir. Por ejemplo el experience replay dentro del deep Q-Learning (sin el cual se hace inestable y no aprende), sutilezas importantes el ejemplo de las damas o AlphaGO, o extenderme más en cuestiones matemáticas. Obviamente era una introducción y no entraba en el scope de la charla, pero si os interesa está bien saberlo!
Gracias a todos :)