Saltar a contenido

Inteligencia Artificial#

Aquí una pequeña secuencia de elementos para aprender un poco de Inteligencia Artificial útil para la robótica, específicamente desde Machine Learning (ML), pasando por Deep Learning (DL) y Reinforcement Learning (RL) para llegar hasta Deep Reinforcement Learning (DRL):

  1. (ML teórico generalista) Vídeo (54 minutos): "Introducción a la Inteligencia Artificial en Robótica"
  2. (DL bastante práctico) Libro de programación práctica de Deep Learning vía Keras (en Tensorflow2, a su vez en Python): "Deep Learning with TensorFlow and Keras (3rd Edition)" by Amita Kapoor, Antonio Gulli, Sujit Pal, François Chollet (deberíamos tener acceso vía UC3M)
  3. (DL bastante teórico) Secuencia de cursos donde Andrew Ng explica las mates Deep Learning: "Deep Learning Specialization" (en Coursera suele haber una opción gratuita, busca la opción "Audit course")
  4. (RL teórico generalista) Vídeo (59 min): "Robótica inteligente mediante reinforcement learning"
  5. (RL bastante teórico) Secuencia de cursos donde los de Alberta explican Reinforcement Learning (siguen mucho un libro de ahí, que es la cuna): "Reinforcement Learning Specialization" (en Coursera suele haber una opción gratuita, busca la opción "Audit course")
  6. Para intentar entender Deep Reinforcement Learning (DRL), algunos recursos:
    1. (DRL teórico/práctico) Echar vistazo a Spinning Up in Deep RL de OpenAI (software sin mantener, pero escueto y decente).
    2. (DRL) https://huggingface.co/learn/deep-rl-course
    3. (DRL bastante teórico) Entender bien lo de (es Fundamental aunque muy difícil): Sergey Levine en Berkeley (una de las cunas de DRL): "CS 285: Deep Reinforcement Learning Fall 2022 (UC Berkeley)".
    4. (DRL teórico/práctico) Libros como el de Maxim Lapan (no totalmente actualizado, pero algunos trucos interesantes).

Más recursos#