Oportunidades Públicas

Fecha de Creación	Descripción	Mentor(es)	Acciones
05/01/2026	Reinforcement Learning for the Optimization of Cross-Training Workout Plans In this IPRE, the student will develop Reinforcement Learning algorithms aimed at the optimization of personalized training plans for cross-training or CrossFit-style disciplines. The goal is to design training strategies that balance progression, intensity, and recovery, taking into account the athlete’s physiological adaptation and the prevention of overtraining. As a first step, a dynamic model of the athlete will be developed, describing the evolution of variables such as fitness, fatigue, and performance as a function of training load. This model will serve as the basis for formulating the problem as a sequential control system, in which a reinforcement learning agent acts as an intelligent coach that selects training sessions over time. The project will be approached from an intelligent control perspective, exploring both model-free and model-based methods, and validating the results through simulations. Keywords: control automático aprendizaje reforzado control inteligente entrenamiento físico Prerequisites: IEE2613 Available vacancies: 1/1 Class Code Initials: IEE This opportunity uses a Nota 1-7 evaluation method and is worth 10 credits Aprendizaje Reforzado para la Optimización de Planes de Entrenamiento en Cross-Training En esta IPRE, el/la estudiante desarrollará algoritmos de Aprendizaje Reforzado (Reinforcement Learning) orientados a la optimización de planes de entrenamiento personalizados en disciplinas de tipo cross-training o CrossFit. El objetivo es diseñar estrategias de entrenamiento que equilibren progresión, intensidad y recuperación, considerando la adaptación fisiológica del atleta y la prevención del sobreentrenamiento. Como primer paso, se desarrollará un modelo dinámico del atleta, que describa la evolución de variables como fitness, fatiga y rendimiento en función de la carga de entrenamiento. Este modelo servirá como base para formular el problema como un sistema de control secuencial, donde un agente de aprendizaje reforzado actuará como un entrenador inteligente que selecciona sesiones de entrenamiento a lo largo del tiempo. El proyecto se abordará desde una perspectiva de control inteligente, explorando enfoques model-free y model-based, y validando los resultados mediante simulaciones. Keywords: control automático aprendizaje reforzado control inteligente entrenamiento físico Prerrequisitos: IEE2613 Vacantes disponibles: 1/1 Siglas iniciales: IEE Tiene un método de evaluación Nota 1-7, con 10 créditos	Saúl Alberto Langarica Chavira	Ver