Accueil Projets a3c_trading
a3c_trading
Jupyter Notebook

a3c_trading

Trading avec apprentissage par renforcement acteur-critique récurrent

par evgps · GitHub
Étoiles
Forks
Créé
Dernier commit
reinforcement-learningtensorflowtradingJupyter Notebook
Voir sur GitHub
En termes simples

Entraînez et testez un modèle de trading en utilisant des techniques d'apprentissage par renforcement avec des scripts et des données de prétraitement fournis.

Vous maintenez ce projet ?

Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.

Revendiquer cette page →
a3c_trading — GitHub preview card
📈 Historique des étoiles
438437
2026-07-202026-08-31
📈 Suivez a3c_trading

Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.

Gratuit · sans carte · désinscription à tout moment
Recevoir des alertes e-mail →
📄 À propos

Trading avec apprentissage par renforcement acteur-critique récurrent

a3c_trading compte 437 étoiles sur GitHub. Il a été forké 129 fois. a3c_trading est écrit principalement en Jupyter Notebook. Il est développé activement depuis 2018. Ses principaux thèmes sont : reinforcement-learning, tensorflow, trading.

Frequently asked questions

Qu'est-ce que a3c_trading ?

Trading avec apprentissage par renforcement acteur-critique récurrent

a3c_trading est-il open source ?

a3c_trading est un projet open source.

a3c_trading est-il gratuit ?

Oui. a3c_trading est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.

Dans quel langage a3c_trading est-il écrit ?

a3c_trading est écrit principalement en Jupyter Notebook.

🏅 Mainteneur de ce projet ?
olud.ai badge — a3c_trading

Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.

[![olud.ai](https://olud.ai/badge.php?tool=evgps-a3c-trading)](https://olud.ai/project/evgps-a3c-trading.html)
Plus d'options de badge →
🧬 Partage son ADN avec🧬 Voir la cartographie ADN →

Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.