Reinforcement Learning y Hidden Markov-Chain Modelos 2017
Detalles en el temario pueden ir cambiando conforme avancemos, pero el propósito general puede en consultarse este link. Habrá cambios importantes en las primeras dos semanas de clase.
El trabajo en equipo será muy importante en este curso. Es importante que definan al comienzo del curso el equipo con el que van a trabajar. En caso de no contar con un equipo acérquense conmigo para que les asigne uno. Los grupos deben ser variados en el interior, traten de que un equipo tenga integrantes de disintos perfiles.
Para elegir su grupo, dense de alta en el siguiente link
La evaluación tentativa será de la siguiente forma:
| Criterio | Porcentaje |
|---|---|
| Tareas individuales semanales | 20% |
| Tareas grupales semanales | 20% |
| Examen parcial | 25% |
| Video grupal | 35% |
| Total | 100% |
Las presentaciones de la clase pueden consultarse en este link dentro del repositorio
Habrá tareas individuales todas las clases, los detalles de la forma de entrega se discutirán en clase. Usualmente no pasará de un reporte en una página o participación en la clase. Incluyo aquí una lista no detallada para que revisen si están al corriente
Lista de tareas individuales
- Traer un ejemplo de modelar un problema de aprendizaje usando RL como hicimos en el ejemplo de clase del Dominó. Identificar los elementos del problema de RL y la secuencia de aprendizaje (agente, pagos, ambiente, estados, probabilidades de transición de la naturaleza). Trear impreso o escrito a mano en una cuartilla. No usar ejemplos del libro.
Son el corazón del curso. Cada clase uno o dos grupos tendrá una tarea que involucrará programación y explicación de su material en la clase. Los detalles los dicutiré cada semana con cada grupo.
Lista de tareas grupales
- ¿Cuál es el papel de la teoría de Decisión Racional en el RL?
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent