Reinforcement-Learning
Apprenez l'apprentissage par renforcement profond en 60 jours ! Cours et code en Python. Apprentissage par renforcement + Apprentissage profond
Apprenez à appliquer des techniques d'apprentissage par renforcement profond pour résoudre des problèmes du monde réel à travers des cours et des exercices de codage.
Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.
Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.
Gratuit · sans carte · désinscription à tout momentApprenez l'apprentissage par renforcement profond en 60 jours ! Cours et code en Python. Apprentissage par renforcement + Apprentissage profond
Reinforcement-Learning compte 4.7k étoiles sur GitHub. Il a été forké 669 fois. Reinforcement-Learning est écrit principalement en Jupyter Notebook. Il est développé activement depuis 2018. Reinforcement-Learning est disponible sous licence MIT. Ses principaux thèmes sont : a2c, artificial-intelligence, deep-learning, deep-reinforcement-learning.
Qu'est-ce que Reinforcement-Learning ?
Apprenez l'apprentissage par renforcement profond en 60 jours ! Cours et code en Python. Apprentissage par renforcement + Apprentissage profond
Reinforcement-Learning est-il open source ?
Reinforcement-Learning est un projet open source. Il est distribué sous licence MIT.
Reinforcement-Learning est-il gratuit ?
Oui. Reinforcement-Learning est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.
Sous quelle licence est Reinforcement-Learning ?
Reinforcement-Learning est disponible sous licence MIT.
Dans quel langage Reinforcement-Learning est-il écrit ?
Reinforcement-Learning est écrit principalement en Jupyter Notebook.
Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.
[](https://olud.ai/project/andri27-ts-reinforcement-learning.html)
Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.