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.