David-Silver-Reinforcement-learning
Notes pour le cours d'apprentissage par renforcement de David Silver ainsi que l'implémentation de divers algorithmes.
Lisez des notes et des implémentations d'un cours d'apprentissage par renforcement, couvrant divers algorithmes et concepts en IA.
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 momentNotes pour le cours d'apprentissage par renforcement de David Silver ainsi que l'implémentation de divers algorithmes.
David-Silver-Reinforcement-learning compte 867 étoiles sur GitHub. Il a été forké 212 fois. David-Silver-Reinforcement-learning est écrit principalement en Jupyter Notebook. Il est développé activement depuis 2018. David-Silver-Reinforcement-learning est disponible sous licence MIT. Ses principaux thèmes sont : artificial-intelligence, course-notes, gym-environment, open-ai.
Qu'est-ce que David-Silver-Reinforcement-learning ?
Notes pour le cours d'apprentissage par renforcement de David Silver ainsi que l'implémentation de divers algorithmes.
David-Silver-Reinforcement-learning est-il open source ?
David-Silver-Reinforcement-learning est un projet open source. Il est distribué sous licence MIT.
David-Silver-Reinforcement-learning est-il gratuit ?
Oui. David-Silver-Reinforcement-learning est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.
Sous quelle licence est David-Silver-Reinforcement-learning ?
David-Silver-Reinforcement-learning est disponible sous licence MIT.
Dans quel langage David-Silver-Reinforcement-learning est-il écrit ?
David-Silver-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/dalmia-david-silver-reinforcement-learning.html)
Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.