From ad87a601af4bffe33053ec46c7e0ba352d72b056 Mon Sep 17 00:00:00 2001 From: "Juan G. Victores" Date: Wed, 17 Jan 2024 16:57:58 +0100 Subject: [PATCH] IA README.md --- docs/ai/README.md | 19 +++++++++++-------- 1 file changed, 11 insertions(+), 8 deletions(-) diff --git a/docs/ai/README.md b/docs/ai/README.md index af16a04..173e790 100644 --- a/docs/ai/README.md +++ b/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