Código

CC66M

Créditos

Duración

24 HORAS

Valor Individual

30 UF

Objetivos

Al final de este curso el estudiante será capaz de:

Identificar el rol de la programación genética y aprendizaje por refuerzo en el campo de la inteligencia artificial
Aplicar programación genética y aprendizaje por refuerzo para solucionar problemas de optimización y de búsqueda de programas (buscar ecuaciones, optimización, buscar camino más corto).

Contenidos

Este curso entrega los fundamentos necesarios para entender, desarrollar y aplicar técnicas de Programación Genética (PG) y reinforcement learning, dos técnicas del campo de inteligencia artificial:

La programación genética es una colección de técnicas de computación evolución que permite a un computador solucionar problemas automáticamente.

El aprendizaje por refuerzo es determinar qué acciones debe escoger un agente de software en un entorno dado con el fin de maximizar alguna noción de "recompensa" o premio acumulado.

Un largo rango de problemas, solucionables con técnicas de RN y PG, son detallados y estudiados a lo largo del semestre.

Bibliografía

Artifical Intelligence: A Modern Approach (Third Edition), Russell, Stuart Norvig, Peter, 2009.
A field Guide to Genetic Programming, Ricardo Poli, William B. Langdon, Nicholas F. McPhee, 2008, http://www.gp-field-guide.org.uk
The Nature of Code, Daniel Shiffman, 2012, http://natureofcode.com
Reinforcement Learning: An Introduction (Adaptive Computation and Machine Learning), Richard S. Sutton and Andrew G. Barto, 1998.

Bibliografía

Artifical Intelligence: A Modern Approach (Third Edition), Russell, Stuart Norvig, Peter, 2009.
A field Guide to Genetic Programming, Ricardo Poli, William B. Langdon, Nicholas F. McPhee, 2008, http://www.gp-field-guide.org.uk
The Nature of Code, Daniel Shiffman, 2012, http://natureofcode.com
Reinforcement Learning: An Introduction (Adaptive Computation and Machine Learning), Richard S. Sutton and Andrew G. Barto, 1998.