1.0Instituto de Ingeniería del Conocimientohttps://www.iic.uam.es/enInstituto de Ingeniería del Conocimientohttps://www.iic.uam.es/en/author/andres/rich600338<blockquote class="wp-embedded-content" data-secret="N5UNUOWZZE"><a href="https://www.iic.uam.es/en/artificial-intelligence/reinforcement-learning/">Reinforcement Learning</a></blockquote><iframe sandbox="allow-scripts" security="restricted" src="https://www.iic.uam.es/en/artificial-intelligence/reinforcement-learning/embed/#?secret=N5UNUOWZZE" width="600" height="338" title="“Reinforcement Learning” — Instituto de Ingeniería del Conocimiento" data-secret="N5UNUOWZZE" frameborder="0" marginwidth="0" marginheight="0" scrolling="no" class="wp-embedded-content"></iframe><script type="text/javascript"> /* <![CDATA[ */ /*! This file is auto-generated */ !function(d,l){"use strict";l.querySelector&&d.addEventListener&&"undefined"!=typeof URL&&(d.wp=d.wp||{},d.wp.receiveEmbedMessage||(d.wp.receiveEmbedMessage=function(e){var t=e.data;if((t||t.secret||t.message||t.value)&&!/[^a-zA-Z0-9]/.test(t.secret)){for(var s,r,n,a=l.querySelectorAll('iframe[data-secret="'+t.secret+'"]'),o=l.querySelectorAll('blockquote[data-secret="'+t.secret+'"]'),c=new RegExp("^https?:$","i"),i=0;i<o.length;i++)o[i].style.display="none";for(i=0;i<a.length;i++)s=a[i],e.source===s.contentWindow&&(s.removeAttribute("style"),"height"===t.message?(1e3<(r=parseInt(t.value,10))?r=1e3:~~r<200&&(r=200),s.height=r):"link"===t.message&&(r=new URL(s.getAttribute("src")),n=new URL(t.value),c.test(n.protocol))&&n.host===r.host&&l.activeElement===s&&(d.top.location.href=t.value))}},d.addEventListener("message",d.wp.receiveEmbedMessage,!1),l.addEventListener("DOMContentLoaded",function(){for(var e,t,s=l.querySelectorAll("iframe.wp-embedded-content"),r=0;r<s.length;r++)(t=(e=s[r]).getAttribute("data-secret"))||(t=Math.random().toString(36).substring(2,12),e.src+="#?secret="+t,e.setAttribute("data-secret",t)),e.contentWindow.postMessage({message:"ready",secret:t},"*")},!1)))}(window,document); /* ]]> */ </script> [vc_row bg_image=”14731″ text_color=”light” text_align=”center” top_padding=”60″ bottom_padding=”60″][vc_column column_padding=”padding-4″ width=”1/1″][vc_column_text] Reinforcement Learning and Optimization [/vc_column_text][vc_column_text] Las mejores estrategias a partir de los datos [/vc_column_text][/vc_column][/vc_row][vc_row top_padding=”30″][vc_column column_padding=”padding-1″ width=”1/1″][vc_column_text] El Big Data, la Inteligencia Artificial o el Machine Learning se orientan hacia la automatización y el apoyo en la toma de decisiones, pero se puede ir más allá. Con el conocimiento que proporcionan los datos, se pueden planear estrategias y optimizar tareas, procesos y servicios. [/vc_column_text][/vc_column][/vc_row][vc_row equal_height=”yes” content_placement=”top” type=”full_width_section” top_padding=”0″ bottom_padding=”0″][vc_column bg_color=”#3591c4″ column_padding=”padding-3″ column_center=”true” text_color=”light” width=”1/2″ delay=”0″][vc_column_text] ¿Qué es el aprendizaje por refuerzo? [/vc_column_text][vc_column_text] El aprendizaje por refuerzo (o Reinforcement Learning) es una variedad del Machine Learning que permite a una Inteligencia Artificial planear estrategias efectivas en base a la experimentación con los datos. [/vc_column_text][vc_column_text] Se trata de una forma de optimización basada en datos. La máquina aprende a partir de su propia experiencia, interaccionando con el entorno hasta dar con el comportamiento ideal. A partir de la información disponible, emprenderá acciones que repetirá y “reforzará” según las recompensas que obtenga, que pueden ser positivas o negativas. [/vc_column_text][/vc_column][vc_column bg_color=”#f3f3f3″ column_padding=”padding-3″ column_center=”true” width=”1/2″][vc_column_text] ¿Cómo funciona el aprendizaje por refuerzo? [/vc_column_text][vc_column_text] Más que tomar decisiones o hacer predicciones, el aprendizaje por refuerzo genera estrategias automáticamente. Esto […]