El aprendizaje por refuerzo se ha vuelto cada vez más popular. http://Openai.com/gym también se muestra prometedor para hacer que RL sea más accesible. Sorprendentes resultados recientes como AlphaGo y jugar juegos de atari se atribuyen en gran medida al aprendizaje profundo en mis ojos, y esto puede continuar por un tiempo.
Para hacer que RL sea realmente atractivo, creo que necesitamos competencias (pagas) como kaggle, así como más investigaciones que traigan a RL más a la vista del público. En la industria, las aplicaciones de RL están bastante limitadas a empresas de investigación de primer nivel, robótica, militares y similares. Las compañías convencionales todavía están ocupadas construyendo su almacén de datos y analizándolas utilizando herramientas de Business Intelligence y Machine Learning básico. Quizás cuando RL madure para poder reemplazar varios trabajos de oficina, se calienta mucho.
- Cómo comenzar a aprender redes neuronales y aprendizaje profundo
- ¿Cuáles son los documentos que debería leer sobre los sistemas de recomendación basados en el aprendizaje profundo?
- ¿Cómo puede la regularización simplificar las hipótesis?
- ¿Cuáles son las formas previas para el reconocimiento en visión artificial?
- ¿Cuál es la diferencia entre aprendizaje gradual y aprendizaje de refuerzo?
