Guia docente
DATOS IDENTIFICATIVOS							2023_24
Asignatura	APRENDIZAJE REFORZADO					Código	01751013
Enseñanza	1751 - M.U.ROBOTICA E INTELIGENCIA ARTIFICIAL
Descriptores	Cr.totales	Tipo	Curso	Semestre
	3	Optativa	Primer	Segundo
Idioma
Prerrequisitos
Departamento	ING.MECANICA,INFORMAT.AEROESP.
Responsable	MATELLÁN OLIVERA , VICENTE				Correo-e	vmato@unileon.es - pverg@unileon.es
Profesores/as	MATELLÁN OLIVERA , VICENTE DIEZ GONZALEZ , JAVIER VERDE GARCIA , PAULA
Web	http://
Descripción general	El objetivo de la asignatura es que alumno se familiarice con el aprendizaje reforzado y los algoritmos que emplea
Tribunales de Revisión	Tribunal titular Cargo Departamento Profesor Presidente ING.MECANICA,INFORMAT.AEROESP. PANIZO ALONSO , LUIS Secretario GUERRERO HIGUERAS , ANGEL MANUEL Vocal ING.MECANICA,INFORMAT.AEROESP. SANCHEZ GONZALEZ , LIDIA Tribunal suplente Cargo Departamento Profesor Presidente MATEMATICAS GARCIA SIERRA , JUAN FELIPE Secretario ING.MECANICA,INFORMAT.AEROESP. RODRIGUEZ LERA , FRANCISCO JAVIER Vocal ING.MECANICA,INFORMAT.AEROESP. FERNANDEZ LLAMAS , CAMINO

Resultados del proceso de formación

Tipo A	Código	Competencias
	A19288	1751Cod_cmp1 Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación
	A19290	1751Cod_cmp2 Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio
	A19292	1751Cod_cmp4 Que los estudiantes sepan comunicar sus conclusiones –y los conocimientos y razones últimas que las sustentan– a públicos especializados y no especializados de un modo claro y sin ambigüedades
	A19293	1751Cod_cmp5 Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo
	A19294	1751Cod_cmp6 Conocimiento de materias avanzadas y tecnologías, que le capacite para el aprendizaje de nuevos métodos y tecnologías, así como que le dote de una gran versatilidad para adaptarse a nuevas situaciones
	A19297	1751Cod_cmp9 Capacidad de trabajar en un grupo multidisciplinar y de comunicar, tanto por escrito como de forma oral, conocimientos, procedimientos, resultados e ideas relacionadas con la robótica y los sistemas inteligentes
	A19289	1751Cod_cmp10 Emprender un trabajo de aplicación o iniciación a la investigación en el área de los sistemas inteligentes de forma autónoma, colaborativa y efectiva

Tipo B	Código	Conocimientos o Contenidos
	B5912	1751Cod_cnt14 Conocer algoritmos avanzados de aprendizaje reforzado.

Tipo C	Código	Habilidades o Destrezas
	C43	1751Cod_hab3 Aplicar y evaluar frameworks avanzados de aprendizaje automático y optimización. Interpretar los resultados de evaluación obtenidos de modelos predictivos o algoritmos avanzados basados en inteligencia artificial.
	C39	1751Cod_hab15 Aplicar algoritmos avanzados de aprendizaje reforzado.

Temario

Bloque	Tema
BLOQUE 1. Revisión del estado del aprendizaje en el campo de aprendizaje reforzado	1. Introducción al aprendizaje reforzado
BLOQUE 2. Algoritmos avanzados de aprendizaje reforzado	1. Probabilidad 2. Utilidad 3. Decisión 4. Procesos de decisión markovianos 5. Belman y refuerzo

Planificación

Metodologías  ::  Pruebas
	Horas en clase	Horas fuera de clase	Horas totales
Dirigidas	10	0	10
Supervisadas	50	0	50
Autónomas	11	0	11
Trabajos	2	0	2
Sesión Magistral	0	0	0
Pruebas objetivas de tipo test	1	0	1
Pruebas mixtas	1	0	1
(*)Los datos que aparecen en la tabla de planificación són de carácter orientativo, considerando la heterogeneidad de los alumnos

Metodologí­as

Metodologías   ::  

	descripción
Dirigidas
Supervisadas
Autónomas
Trabajos
Sesión Magistral

Tutorías

Trabajos Dirigidas Supervisadas Autónomas Pruebas objetivas de tipo test Pruebas mixtas

descripción Se llevarán a cabo tutorías personalizadas o en grupo

Evaluación

	descripción	calificación
Trabajos	Prácticas a entregar por los alumnos	60%
Pruebas objetivas de tipo test	Cuestionario de tipo test	20%
Pruebas mixtas	Otras preguntas o problemas a resolver en clase	20%
Otros comentarios y segunda convocatoria
<div><p class=&quot;p1&quot;>ACLARACIONES RESPECTO A SEGUNDA CONVOCATORIA</p><p class=&quot;p1&quot;>La segunda convocatoria consistirá en un cuestionario teórico y una serie de ejercicios prácticos.</p><p class=&quot;p1&quot;>ACLARACIONES RESPECTO AL COMPORTAMIENTO EN CLASE</p><p class=&quot;p1&quot;>En el desarrollo de la asignatura, el alumno deberá evitar comportamientos que a juicio del profesor sean indeseables, pudiendo ser expulsado de la actividad en caso contrario. Sin ánimo de ser exhaustivos esto incluye comportamientos violentos, sexistas, homófobos, xenófobos, antihigiénicos, el uso indebido de dispositivos electrónicos y las charlas no relacionadas con la asignatura. En particular la realización de grabaciones no autorizadas queda terminantemente prohibida.</p><p class=&quot;p1&quot;>ACLARACIONES RESPECTO COMPORTAMIENTO EN EL EXAMEN</p><p class=&quot;p1&quot;>Los trabajos presentados podrán ser revisados con un programa informático antiplagio que podrá realizar comprobaciones entre los trabajos de los alumnos de la convocatoria actual y anteriores y contra fuentes externas. En el caso de detectarse plagio el trabajo se calificará como suspenso.&nbsp;Durante las pruebas de evaluación no será posible la utilización de recursos electrónicos (calculadoras, tablets, teléfonos, ordenadores, etc), excepto para aquellas pruebas que bajo indicación expresa del profesor requieran el uso de alguno de estos recursos. En caso de producirse alguna irregularidad durante la celebración del examen o prueba de evaluación correspondiente se procederá a la retirada inmediata del examen, expulsión del alumno y calificación como suspenso. En cualquier caso se atenderá a lo establecido en la normativa interna de la ULE incluida en el documento &quot;Pautas de actuación en los supuestos de plagio, copia o fraude en exámenes o pruebas de evaluación&quot; (Aprobado Comisión Permanente del Consejo de Gobierno 29/01/2015).</p></div>

Fuentes de información

Acceso a la Lista de lecturas de la asignatura

Básica	Hao Dong, Shanghang Zhang, Zihan Ding, Deep Reinforcement Learning Fundamentals, Research and Applications, Springer Nature, 2020 Richard S. Sutton, Andrew G. Barto, Reinforcement Learning An Introduction, MIT Press, 2018 Abhishek Nandy, Manisha Biswas , Reinforcement Learning With Open AI, TensorFlow and Keras Using Python, Apress, 2017
Complementaria

Recomendaciones

Otros comentarios

Conocimientos previos de python