156-103 Introducción al Aprendizaje Automático.
Grabado durante una sesión de clase en vivo para GTC el 7-8-2026.
Este video cubre los conceptos de la Unidad 9.
Temas:
Este material educativo introduce los principios fundamentales del Aprendizaje por Refuerzo (RL), una rama del aprendizaje automático donde un agente aprende a través de prueba y error dentro de un entorno específico. A diferencia de los métodos supervisados o no supervisados, el RL se basa en un sistema de recompensas y penalizaciones para guiar a una entidad autónoma hacia un objetivo deseado. El texto define componentes críticos como estados, acciones y políticas, mientras explica cómo el agente busca maximizar las recompensas acumulativas a lo largo del tiempo. También aborda la compensación entre exploración y explotación, utilizando estrategias como epsilon-greedy para equilibrar el descubrimiento de nueva información con la utilización de caminos exitosos conocidos. Se destacan aplicaciones del mundo real, incluyendo vehículos autónomos, robótica y IA de juegos complejos como AlphaGo. Finalmente, la fuente distingue entre algoritmos basados en modelos y algoritmos libres de modelos, ilustrando cómo diferentes marcos manejan datos ambientales y la toma de decisiones.
Este video está destinado a los estudiantes que toman este curso este semestre, pero otros también pueden encontrarlo útil.