Ponente: Sergio Guadarrama es ingeniero senior de software en Google Brain, donde trabaja en el aprendizaje por refuerzo y redes neuronales. Su investigación se centra en el aprendizaje por refuerzo robusto, escalable y eficiente. Actualmente es el líder del proyecto TF-Agents y un desarrollador principal de TensorFlow (cocreador de TF-Slim). Antes de unirse a Google fue investigador en la Universidad de California, Berkeley, donde trabajó con el profesor Lotfi Zadeh y el profesor Trevor Darrell. Recibió su licenciatura y doctorado en la Universidad Politécnica de Madrid.
Resumen: El aprendizaje por refuerzo (RL) es un tipo Machine learning donde el objetivo es aprender a resolver una tarea mediante interacciones con el entorno, maximizando el retorno esperado. A diferencia del aprendizaje supervisado, la solución requiere tomar múltiples decisiones de forma secuencial y el refuerzo se produce mediante recompensas. Los dos componentes principales son el entorno, que representa el problema a resolver, y el agente, que representa el algoritmo de aprendizaje.