Cursos de la Diplomatura en
Aprendizaje por Refuerzo y Algoritmos Evolutivos

Docentes a cargo: Dr. Ing. Facundo Lucianna

Temario:
1. Teoría de juegos.
2. Búsqueda.
3. Regresión, clasificación y clusterización.
4. Redes Bayesianas.
5. Clasificador Bayesiano.
6. Naive Bayes.
7. Máxima verosimilitud.
8. Esperanza-maximización.

- Ver la página web del curso 

Docentes a cargo: Dr. Marcos Maillot, Esp. Ing. Gerardo Vilcamiza

Temario:
1. Clasificación binaria.
2. Regresión.
3. Gradiente descendente.
4. Gradiente descendente estocástico.
5. Vectorización.
6. Funciones de activación.
7. Propagación de error.
8. Niveles.
9. Bloques básicos.

- Ver la página web del curso 

Docentes a cargo: Esp. Ing. Miguel Augusto Azar

Temario:
1. Procesos de decisión de Markov.
2. Q-Learning.
3. SARSA.
4. Deep Q-Network.
5. Actor-Critic (AC).
6. Asynchronous Advantage Actor-Critic (A3C).

- Ver la página web del curso

Docentes a cargo: Esp. Ing. Miguel Augusto Azar

Temario:
1. Computación evolutiva.
2. Algoritmos genéticos.
3. Análisis y comparativa de AE.
4. Optimización por enjambre de partículas (PSO).
5. Mejoras del algoritmo PSO.
6. PSO con restricciones.
7. PSO multiobjetivo.
8. Optimización basada en enseñanza-aprendizaje (TLBO).
9. Optimización basada en colonia de hormigas (ACO).
10. Búsqueda tabú.
11. Hiperheurísticas.

- Ver la página web del curso

Docentes a cargo: Esp. Ing. Miguel Augusto Azar

Temario:
1. Optimización de políticas proximas (PPO).
2. Gradiente de política determinista profunda con doble retardo (TD3).
3. Soft Actor-Critic (SAC).
4. Aprendizaje por refuerzo multiagente (MARL).
5. Aprendizaje por refuerzo inverso (IRL).
6. Exploración con Modelos Generativos.

- Ver la página web del curso