applied-reinforcement-learning
Tutoriels sur l'apprentissage par renforcement et la prise de décision expliqués à un niveau intuitif et avec des Jupyter Notebooks
Apprenez sur l'apprentissage par renforcement et la prise de décision à travers des tutoriels faciles à comprendre et des exemples pratiques dans Jupyter Notebooks.
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 momentTutoriels sur l'apprentissage par renforcement et la prise de décision expliqués à un niveau intuitif et avec des Jupyter Notebooks
applied-reinforcement-learning compte 331 étoiles sur GitHub. Il a été forké 99 fois. applied-reinforcement-learning est écrit principalement en Jupyter Notebook. Il est développé activement depuis 2017. applied-reinforcement-learning est disponible sous licence MIT. Ses principaux thèmes sont : artificial-intelligence, decision-making, deep-reinforcement-learning, docker.
Qu'est-ce que applied-reinforcement-learning ?
Tutoriels sur l'apprentissage par renforcement et la prise de décision expliqués à un niveau intuitif et avec des Jupyter Notebooks
applied-reinforcement-learning est-il open source ?
applied-reinforcement-learning est un projet open source. Il est distribué sous licence MIT.
applied-reinforcement-learning est-il gratuit ?
Oui. applied-reinforcement-learning est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.
Sous quelle licence est applied-reinforcement-learning ?
applied-reinforcement-learning est disponible sous licence MIT.
Dans quel langage applied-reinforcement-learning est-il écrit ?
applied-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/mimoralea-applied-reinforcement-learning.html)
Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.