¡45 minutos de clase gratis! · Empieza ahora, sin tarjeta de crédito
Shiur Prati

Clase particular de Aprendizaje por refuerzo con IA

Aprendizaje por refuerzo en clase privada en vivo: el maestro te habla por voz, explica en una pizarra compartida y avanza a tu ritmo, clase tras clase, según un programa ordenado.

Clase en vivo 1:1 con tutor IA

Docente: Noa

  • Programa actualizado el 11/2026
  • Hebreo y 5 idiomas más
  • 3 niveles
  • 36 clases · aprox. 20 horas de clases

Aprendizaje por refuerzo

Aprendizaje por refuerzo en clase privada en vivo: el maestro te habla por voz, explica en una pizarra compartida y avanza a tu ritmo, clase tras clase, según un programa ordenado.

12 clases · 3 módulos · clase en vivo privada con el profe en la pizarra

Qué aprenderás

  • Qué es el RL: agente, entorno y recompensa
  • Ensayo y error: bandidos multibrazo
  • De los bandidos a los problemas secuenciales
  • El modelo: MDP, políticas y valores
  • Planificación con modelo: programación dinámica
  • Aprender de la experiencia: Monte Carlo y TD
  • Más allá de las tablas y un proyecto
  • Gradientes de política: aprender la política directamente
  • RLHF para modelos de lenguaje
  • Seguridad y especificación incorrecta de la recompensa

El curso incluye

  • Clases en vivo 1:1 con tutor IA en pizarra
  • 20 horas de clases en vivo, uno a uno
  • 36 clases en una pizarra compartida, cada una con un objetivo claro
  • Práctica y control de comprensión en cada clase
  • Resumen después de cada clase, guardado en el historial
  • Certificado de finalización por cada nivel
  • Computadora, tablet o celular
  • Hebreo y otros 5 idiomas

Programa del curso

3 niveles · 10 capítulos · 36 clases · 19 h 40 min en total

PrincipiantesAprendizaje por refuerzo: agente, recompensa y exploración3 capítulos • 12 clases • 6 h 25 min
  1. Qué es el RL: agente, entorno y recompensa4 clases • 2 h 5 min
    1. 1Aprender de las consecuencias: qué diferencia al RLClase de pruebaaprox. 30 min
    2. 2El ciclo agente-entornoaprox. 30 min
    3. 3El objetivo como suma de recompensas: retorno y descuentoaprox. 30 min
    4. 4Plantear el problema: estados, acciones y recompensasaprox. 35 min
  2. Ensayo y error: bandidos multibrazo5 clases • 2 h 35 min
    1. 5El bandido multibrazo: estimar el valor de las accionesaprox. 30 min
    2. 6Actualización gradual: viejo + paso × (meta − viejo)aprox. 30 min
    3. 7Exploración vs. explotación y ε-greedyaprox. 35 min
    4. 8Exploración inteligente: valores optimistas y UCBaprox. 30 min
    5. 9Medir el aprendizaje: curvas, arrepentimiento y aleatoriedadaprox. 30 min
  3. De los bandidos a los problemas secuenciales3 clases • 1 h 45 min
    1. 10Recompensa retardada y asignación de créditoaprox. 30 min
    2. 11El ciclo en código: un entorno al estilo Gymnasiumaprox. 35 min
    3. 12Proyecto final: diseñar un problema de RL de principio a finaprox. 40 min
Nivel intermedioIntermedio: MDP, funciones de valor y Q-learning4 capítulos • 12 clases • 6 h 35 min
  1. El modelo: MDP, políticas y valores4 clases • 2 h 5 min
    1. 1Procesos de decisión de Markovaprox. 30 min
    2. 2Políticas y funciones de valor V y Qaprox. 30 min
    3. 3Ecuación de Bellman: valor = recompensa + valor siguienteaprox. 35 min
    4. 4Valores óptimos V*, Q* y políticas greedyaprox. 30 min
  2. Planificación con modelo: programación dinámica2 clases • 1 h 5 min
    1. 5Evaluación de políticas e iteración de políticasaprox. 35 min
    2. 6Iteración de valor y los límites de la PDaprox. 30 min
  3. Aprender de la experiencia: Monte Carlo y TD4 clases • 2 h 10 min
    1. 7Monte Carlo: aprender de episodios completosaprox. 30 min
    2. 8Diferencia temporal: adivinar a partir de una suposiciónaprox. 35 min
    3. 9SARSA: control TD on-policyaprox. 30 min
    4. 10Q-learning: control TD off-policyaprox. 35 min
  4. Más allá de las tablas y un proyecto2 clases • 1 h 15 min
    1. 11Aproximación de funciones y DQNaprox. 35 min
    2. 12Proyecto: Q-learning con un problema propioaprox. 40 min
AvanzadosRL avanzado: gradientes de política, RLHF y seguridad3 capítulos • 12 clases • 6 h 40 min
  1. Gradientes de política: aprender la política directamente5 clases • 2 h 45 min
    1. 1Por qué aprender la política directamenteaprox. 30 min
    2. 2El teorema del gradiente de política y REINFORCEaprox. 35 min
    3. 3Varianza, líneas base y ventajaaprox. 30 min
    4. 4Actor-Critic, A2C y GAEaprox. 35 min
    5. 5PPO: pasos seguros en el espacio de políticasaprox. 35 min
  2. RLHF para modelos de lenguaje4 clases • 2 h 10 min
    1. 6El modelo de lenguaje como agente: del preentrenamiento al RLHFaprox. 30 min
    2. 7Modelos de recompensa a partir de preferencias humanasaprox. 35 min
    3. 8PPO para LM y la penalización KLaprox. 35 min
    4. 9DPO, RLAIF y recompensas verificablesaprox. 30 min
  3. Seguridad y especificación incorrecta de la recompensa3 clases • 1 h 45 min
    1. 10Reward hacking y manipulación de la especificaciónaprox. 30 min
    2. 11Recompensas desalineadas en modelos de lenguajeaprox. 35 min
    3. 12Mitigaciones y proyecto final: diseñar un pipeline RLHF seguroaprox. 40 min

Qué necesitas

  • Sin conocimientos previos en el nivel principiante: el profe revisa lo que ya sabes y empieza desde ahí
  • En los niveles siguientes: lo visto en el nivel anterior (puedes saltarlo si ya lo sabes)
  • Computadora, tablet o celular con micrófono y navegador

Para quién es el curso

  • Para adultos: trabajo, estudios, un examen o simple curiosidad
Ver todos los cursos de Inteligencia artificial

Tu profe

NoaNoaTutor IA privado, en clase en vivo con pizarra compartida

Un profe privado de IA que enseña en clase en vivo: pregunta, escucha, dibuja en la pizarra y te deja resolver solo con pistas. Recuerda lo que vieron y cada clase empieza donde se quedaron.

¿Cómo es una clase?

  • Tu hijo habla en voz alta con el profe, como en una videollamada, y pregunta lo que no entiende.

  • El profe explica, escribe y dibuja en una pizarra compartida, y tu hijo resuelve con él en la misma pizarra.

  • Puedes tomar una foto de una hoja de ejercicios o de la tarea y aprender con ella, ejercicio por ejercicio.

  • Los padres reciben un informe: tiempo de estudio, qué salió bien y qué conviene reforzar.

Reglas de la clase

  • Solo aprender

Preguntas frecuentes

¿Cómo funciona una clase particular de Aprendizaje por refuerzo?
Eliges Aprendizaje por refuerzo y el nivel, y hablas con el profe en voz alta. El profe pregunta qué ya sabes, explica, escribe y dibuja en la pizarra, y te deja resolver con pistas hasta que todo quede claro.
¿Cuánto dura el curso de Aprendizaje por refuerzo?
12 clases de unos 32 minutos en el primer nivel, a tu ritmo. Puedes pausar, volver atrás y saltar lo que ya sabes.
¿Necesito conocimientos previos?
No en el nivel principiante. Al comienzo de la primera clase el profe revisa lo que ya sabes y ajusta el nivel. También puedes empezar directamente en un nivel avanzado.
¿Cómo empiezo gratis?
Entra con tu cuenta de Google o con un código que te enviamos por correo, escribe el nombre y el grado del niño, y la clase empieza de inmediato. Cada familia recibe 45 minutos de clase gratis, en cualquier materia, según el tiempo real de clase, sin tarjeta de crédito. Después eliges una suscripción de pago, y cancelas cuando quieras.
¿En qué dispositivo se aprende?
En cualquier computadora, tablet o celular con navegador y micrófono. También puedes instalar el sitio como app en la pantalla de inicio.

¿Quieres probar?

Entras, escribes el nombre y el grado de tu hijo, y la clase empieza. 45 minutos de clase gratis, sin tarjeta de crédito.

Empieza gratis

Shiur Prati con IA: qué es y cómo funciona

Aprendizaje por refuerzoLos primeros 45 minutos, gratis

Clase particularEmpezar gratis