IA README.md

docs/ai/README.md

@@ -1,13 +1,16 @@
 # Inteligencia Artificial
 
-Aquí una pequeña secuencia de elementos para aprender un poco de Inteligencia Artificial útil para la robótica:
-
-1. Vídeo (54 minutos): ["Introducción a la Inteligencia Artificial en Robótica"](https://youtu.be/sc7nBT4rt-w?t=94)
-1. 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](https://www.oreilly.com/library/view/deep-learning-with/9781803232911/) (deberíamos tener acceso vía UC3M)
-1. Secuencia de cursos donde Andrew Ng explica las mates Deep Learning: ["Deep Learning Specialization"](https://www.coursera.org/specializations/deep-learning) (en Coursera suele haber una opción gratuita, busca la opción "Audit course")
-1. Vídeo (59 min): ["Robótica inteligente mediante reinforcement learning"](https://youtu.be/YKYBggeFOLk?t=61)
-1. Secuencia de cursos donde los de Alberta explican Reinforcement Learning (siguen mucho un libro de ahí, que es la cuna): ["Reinforcement Learning Specialization"](https://www.coursera.org/specializations/reinforcement-learning) (en Coursera suele haber una opción gratuita, busca la opción "Audit course")
-1. Intentar entender Deep Reinforcement Learning de Sergey en Berkeley (una de las cunas de DRL): ["CS 285: Deep Reinforcement Learning Fall 2022 (UC Berkeley)"](https://youtube.com/playlist?list=PL_iWQOsE6TfX7MaC6C3HcdOf1g337dlC9)
+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"](https://youtu.be/sc7nBT4rt-w?t=94)
+1. (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](https://www.oreilly.com/library/view/deep-learning-with/9781803232911/) (deberíamos tener acceso vía UC3M)
+1. (DL bastante teórico) Secuencia de cursos donde Andrew Ng explica las mates Deep Learning: ["Deep Learning Specialization"](https://www.coursera.org/specializations/deep-learning) (en Coursera suele haber una opción gratuita, busca la opción "Audit course")
+1. (RL teórico generalista) Vídeo (59 min): ["Robótica inteligente mediante reinforcement learning"](https://youtu.be/YKYBggeFOLk?t=61)
+1. (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"](https://www.coursera.org/specializations/reinforcement-learning) (en Coursera suele haber una opción gratuita, busca la opción "Audit course")
+1. Para intentar entender Deep Reinforcement Learning (DRL), algunos recursos:
+    1. (DRL teórico/práctico) Echar vistazo a [Spinning Up in Deep RL](https://spinningup.openai.com/) de OpenAI (software sin mantener, pero escueto y decente).
+    1. (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)"](https://youtube.com/playlist?list=PL_iWQOsE6TfX7MaC6C3HcdOf1g337dlC9).
+    1. (DRL teórico/práctico) Libros como el de Maxim Lapan (no totalmente actualizado, pero algunos trucos interesantes).
 
 ## Más recursos