[ES]Este trabajo explora el campo del aprendizaje por refuerzo, una forma de aprendizaje autom?tico que permite a los agentes aprender y optimizar su comportamiento a trav?s de la interacci?n con el entorno, sin necesidad de supervisi?n directa. El documento aborda los fundamentos del aprendizaje por refuerzo, incluyendo sus principales t?cnicas y algoritmos. Tambi?n se discuten las aplicaciones pr?cticas del aprendizaje por refuerzo en ?reas como juegos, rob?tica, y optimizaci?n de procesos industriales. Finalmente, a trav?s de un caso pr?ctico, se demuestra c?mo implementar estos conceptos en un escenario real, enfatizando el potencial del aprendizaje por refuerzo para resolver problemas complejos y din?micos que requieren decisiones secuenciales.

[EN]This paper explores the field of reinforcement learning, a form of machine learning that allows agents to learn and optimize their behavior through interaction with the environment, without the need for direct supervision. The document addresses the fundamentals of reinforcement learning, including its main techniques and algorithms. It also discusses the practical applications of reinforcement learning in areas such as gaming, robotics, and industrial process optimization. Finally, through a practical case study, it demonstrates how to implement these concepts in a real-world scenario, emphasizing the potential of reinforcement learning to solve complex and dynamic problems that require sequential decisions.

Trabajo de fin de Grado. Grado en Estad?stica. Curso acad?mico 2023-2024.