Pega la URL de YouTube o el identificador del video para incrustar el reproductor inmediatamente:
Para dejarlo fijo en el proyecto, actualiza
src/data/youtube-ids.json: "video-03-parte-3-aprendizaje-automatico-redes-neuronales-reinforcement-learning": "ID_YOUTUBE" CLASE EN VIDEO Parte 3 · Aprendizaje Supervisado, No Supervisado, Deep Learning y RL
Parte 3: Aprendizaje Automático (Machine Learning), Redes Neuronales y Aprendizaje por Refuerzo
Comprende los tres paradigmas de aprendizaje (Supervisado, No Supervisado y por Refuerzo), los modelos clásicos (SVM, Random Forest, K-Means, PCA), las Redes Neuronales (MLP, CNN, LSTM) y el control adaptativo mediante Q-Learning y PPO (Sim-to-Real).
- Aprendizaje Supervisado (regresión de par inverso, clasificación de fallos con SVM y Random Forest) y No Supervisado (K-Means, PCA, Autoencoders).
- Anatomía del Perceptrón Multicapa (MLP): producto punto, activación ReLU/Sigmoide y entrenamiento por retropropagación y descenso de gradiente.
- Redes Neuronales Convolucionales (CNN) para inspección visual y Redes Recurrentes (LSTM / 1D-CNN) para series temporales.
- Aprendizaje por Refuerzo (RL): Procesos de Decisión de Markov, ecuación de Bellman en Q-Learning, Actor-Crítico PPO y transferencia Sim-to-Real.
Al descargar el paquete video-03-parte-3-aprendizaje-automatico-redes-neuronales-reinforcement-learning-codigo-y-planos.zip obtienes listos para usar en taller:
-
firmware_ia_mecatronica_video_03.ino -
entrenamiento_e_inferencia_ia_video_03.py -
plc_control_inteligente_iec61131_video_03.st -
plano_01_protoboard_tinkercad.png -
plano_02_pcb_fr4_arquitectura.png