# 🏋️Introduction to RL

👥 **Expositores:**  
- 👤 Fabian Perez
- 👤 Paula Uzcátegui  

📑 **Material de apoyo:**

La presentacion se hizo basado en el articulo de karpathy de introduccion a RL y en multiples fuentes externas

- 📊 **Diapositivas:** [Ver presentación](https://www.canva.com/design/DAGfjizwcQE/9oHwfg3TLnEDwHvY5pNGTw/view?utm_content=DAGfjizwcQE&utm_campaign=designshare&utm_medium=link2&utm_source=uniquelinks&utlId=hcb1b053ebf) 
- 📜 **Blog:** [Link](https://karpathy.github.io/2016/05/31/rl/)  
- 💻 **Video Externo:** [Enlace a Youtube](https://www.youtube.com/watch?v=VnpRp7ZglfA)  

---

## 🎯 **Objetivos**  
📢 ¿Por qué es importante este tema?  

✅ Introducir los conceptos básicos de Reinforcement Learning (RL).  
✅ Comprender la estructura y funcionamiento del semillero.  
✅ Identificar aplicaciones clave de RL en Computer Vision.  

---

## 📊 **Resultados Esperados**  
📍 Al finalizar la sesión, se espera:  

🔹 Entender los principios fundamentales del RL.  
🔹 Familiarizarse con terminología y conceptos clave.  
🔹 Establecer una base para futuros estudios y proyectos en RL.  

---

## ⚙️ **Metodología**  
📖 Temas tratados en la sesión:  

📌 Definición y motivación del RL.  
📌 Elementos básicos y definiciones matematicas: Agentes, Entorno, Recompensas.  
📌 Ejemplos y aplicaciones en visión por computadora.  

---

## 📚 **Referencias**  
📖 Recursos clave para profundizar en RL:  

🔹 [📘 OpenAI Gym](https://www.gymlibrary.dev/)  
🔹 [📘 Deep Reinforcement Learning](https://spinningup.openai.com/)   

---