Actor-critic para gestión de inventario en pesca acuícola
Visión general
De qué trata este proyecto.
Implementa un agente A2C para optimizar la alimentación en salmonicultura. Compara tu política contra la experta y obtén un certificado verificable.
El escenario
La salmonera (~700 personas en operaciones de campo, ~140M USD ingresos) compite globalmente con Noruega y cada punto de FCR (Feed Conversion Ratio — ratio de conversión alimenticia) impacta margen; introducir IA con respaldo cuidadoso es prioridad estratégica.
El Briefing
Lo que harás y lo que demostrarás.
Aprender una política de alimentación con A2C que mejore ROI sobre la práctica experta sin aumentar riesgo operativo.
Earning criteria — what you'll demonstrate
- Implementar actor-critic (A2C) para acciones continuas
- Calibrar un simulador biológico con datos históricos
- Cuantificar riesgo operativo (peor caso) además del promedio
- Comunicar resultados de RL a expertos de dominio escépticos
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Reinforcement Learning
Master · Reinforcement Learning
Strong alignment
This challenge maps to Reinforcement Learning at the Master level. It sharpens the same practical skills your coursework expects — but in a real industry context with actual constraints and deliverables.
Habilidades
Habilidades que demostrarás.
Cada una aparece en tu credencial verificada.
- Reinforcement Learning
Apply reinforcement learning to solve real industry problems and demonstrate production-level capability.
- Actor Critic
Apply actor critic to solve real industry problems and demonstrate production-level capability.
- Simulation
Apply simulation to solve real industry problems and demonstrate production-level capability.
- Deep Learning
Design and train neural networks for complex pattern recognition tasks.
- Python
Write clean, efficient Python for data processing, automation, and backend services.
- Domain Modeling
Apply domain modeling to solve real industry problems and demonstrate production-level capability.
Carreras
Roles para los que esto te prepara.
Títulos reales. Puentes de habilidades reales. Elige el que más se acerque a tu trayectoria.
Investigador/a de Machine Learning
Calibrar simulador, entrenar A2C y defender la política ante expertos de dominio es trabajo nuclear del ML researcher en aquaculture e industrias biológicas.
Este proyecto afina
- reinforcement-learning
- actor-critic
- simulation
Ingeniero/a de Machine Learning
Llevar A2C a una simulación calibrada con análisis de riesgo CVaR es la franja senior del trabajo de MLE en industria.
Este proyecto afina
- reinforcement-learning
- deep-learning
- python
Científico/a Aplicado/a de IA
Modelar el dominio (crecimiento, mortalidad) y comunicar caveats biológicos a expertos es exactamente el día a día del applied AI scientist en agritech/aquaculture.
Este proyecto afina
- domain-modeling
- simulation
- reinforcement-learning
Científico/a de Datos
Calibrar modelo biológico con 2 años de datos y producir análisis de riesgo accionable es competencia transversal del data scientist senior.
Este proyecto afina
- domain-modeling
- simulation
- python