Inicio Proyectos RL-Theory-book
RL-Theory-book
TeX

RL-Theory-book

Libro de teoría de aprendizaje por refuerzo sobre fundamentos de algoritmos de RL profundo con pruebas.

por FortsAndMills · GitHub
Estrellas
Ramas
Creado
Último commit
Categoría
Lenguaje
bookdeep-reinforcement-learningreinforcement-learningTeX
Ver en GitHub
En palabras simples

Lee un libro completo sobre los principios y pruebas de algoritmos de aprendizaje por refuerzo profundo.

¿Mantienes este proyecto?

Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.

Reivindicar esta pagina →
RL-Theory-book — GitHub preview card
📈 Historial de estrellas
349348
2026-07-202026-08-31
📈 Sigue RL-Theory-book

Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.

Gratis · sin tarjeta · cancela cuando quieras
Recibir alertas por email →
📄 Acerca de

Libro de teoría de aprendizaje por refuerzo sobre fundamentos de algoritmos de RL profundo con pruebas.

RL-Theory-book tiene 348 estrellas en GitHub. Se ha bifurcado 20 veces. RL-Theory-book está escrito principalmente en TeX. Se desarrolla activamente desde 2020. Sus temas principales son: book, deep-reinforcement-learning, reinforcement-learning, reinforcement-learning-algorithms.

Frequently asked questions

¿Qué es RL-Theory-book?

Libro de teoría de aprendizaje por refuerzo sobre fundamentos de algoritmos de RL profundo con pruebas.

¿RL-Theory-book es de código abierto?

RL-Theory-book es un proyecto de código abierto.

¿RL-Theory-book es gratis?

Sí. RL-Theory-book es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.

¿En qué lenguaje está escrito RL-Theory-book?

RL-Theory-book está escrito principalmente en TeX.

🏅 ¿Mantenedor de este proyecto?
olud.ai badge — RL-Theory-book

Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.

[![olud.ai](https://olud.ai/badge.php?tool=fortsandmills-rl-theory-book)](https://olud.ai/project/fortsandmills-rl-theory-book.html)
Más opciones de distintivos →
🧬 Comparte ADN con🧬 Ver el mapa de ADN →
gps
Búsqueda Guiada de Políticas
600 · deep-learning
compartereinforcement-learning-algorithmsdeep-reinforcement-learning
hands-on-rl
Curso gratuito que te lleva de cero a PRO en Aprendizaje por Refuerzo 🦸🏻‍🦸🏽
1.6k · deep-reinforcement-learning
compartedeep-reinforcement-learningreinforcement-learning
UAV_Obstacle_Avoiding_DRL
Este es un proyecto sobre un algoritmo de evitación de obstáculos autónomo de aprendizaje profu…
721 · reinforcement-learning
compartereinforcement-learning-algorithmsreinforcement-learning
reinforcement-learning-an-introduction-chinese
《Reinforcement Learning: An Introduction》(第二版) traducción al chino
682 · reinforcement-learning
compartereinforcement-learning-algorithmsreinforcement-learning
awesome-reinforcement-learning-lib
El repositorio de código de GitHub es todo lo que necesitas
385 · reinforcement-learning
compartereinforcement-learning-algorithmsreinforcement-learning
drl-zh
Aprendizaje por refuerzo profundo: ¡De cero a héroe!
2.3k · deep-learning
compartedeep-reinforcement-learningreinforcement-learning
reward-learning-rl
[RSS 2019] Aprendizaje por refuerzo robótico de extremo a extremo sin ingeniería de recompensas
374 · deep-learning
compartedeep-reinforcement-learningreinforcement-learning
MARL-Algorithms
Implementaciones de IQL, QMIX, VDN, COMA, QTRAN, MAVEN, CommNet, DyMA-CL, y G2ANet en SMAC, el…
1.8k · deep-reinforcement-learning
compartedeep-reinforcement-learningreinforcement-learning
DexterousHands
Esta es una biblioteca que proporciona tareas de manipulación de manos duales hábiles a través…
1.1k · deep-reinforcement-learning
compartedeep-reinforcement-learningreinforcement-learning
neural-symbolic-machines
Las Máquinas Simbólicas Neurales son un marco para integrar redes neuronales y representaciones…
385 · deep-learning
compartedeep-reinforcement-learningreinforcement-learning

Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.