Visión general
De qué trata este proyecto.
Modela la demanda y costes de una maquiladora como un MDP, aplica value iteration y DQN, y reduce el coste total un 15%. Obtén un certificado verificable.
El escenario
La maquiladora paga penalizaciones de hasta 5.000 USD por hora a sus OEMs cuando un stockout para la línea; cada punto porcentual de reducción en el coste total de inventario representa unos 80.000 USD anuales.
El Briefing
Lo que harás y lo que demostrarás.
Modela el reorden de inventario como MDP y entrena una política que reduzca coste total esperado 15 por ciento vs el baseline heurístico manteniendo 95 por ciento de service level.
Earning criteria — what you'll demonstrate
- Modelar un problema de decisión secuencial como Markov Decision Process
- Aplicar value iteration y dynamic programming sobre MDPs discretizados
- Comparar métodos exactos vs aproximados según tamaño del espacio de estados
- Validar políticas con simulación fuera de muestra, no con el dataset de entrenamiento
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Decision Making Under Uncertainty
Master · Reinforcement Learning
Strong alignment
This challenge maps to Decision Making Under Uncertainty 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.
- Mdp
Apply mdp to solve real industry problems and demonstrate production-level capability.
- Dynamic Programming
Apply dynamic programming to solve real industry problems and demonstrate production-level capability.
- Reinforcement Learning
Apply reinforcement learning to solve real industry problems and demonstrate production-level capability.
- Simulation
Apply simulation to solve real industry problems and demonstrate production-level capability.
- Policy Evaluation
Apply policy evaluation to solve real industry problems and demonstrate production-level capability.
- Python
Write clean, efficient Python for data processing, automation, and backend services.
Carreras
Roles para los que esto te prepara.
Títulos reales. Puentes de habilidades reales. Elige el que más se acerque a tu trayectoria.
Investigador de ML
Modelar un problema operativo como MDP y comparar value iteration vs métodos aproximados es trabajo prototípico de ML researcher en ops research aplicada.
Este proyecto afina
- mdp
- dynamic-programming
- reinforcement-learning
Científico Aplicado de IA
Validar políticas con simulación out-of-sample y comunicar trade-offs coste vs service level es la diferencia entre un paper y un sistema en producción.
Este proyecto afina
- simulation
- policy-evaluation
- reinforcement-learning
Ingeniero de Aprendizaje Automático
Construir el environment Gymnasium custom y empaquetarlo para entrenamiento repetible es la habilidad clave del MLE en RL aplicado.
Este proyecto afina
- python
- simulation
- reinforcement-learning