Home Progetti LearningX
LearningX
Python

LearningX

Esempi di Reinforcement Learning profondo e classico + Machine Learning in Python

di ankonzoid · GitHub
Stelle
Fork
Licenza
Creato
Ultimo commit
Categoria
Lingua
agentdata-sciencedeepMITPython
Visualizza su GitHub
In parole semplici

Esegui esempi Python per apprendere vari concetti di machine learning e apprendimento per rinforzo.

Mantieni questo progetto?

Rivendica la sua pagina: indicizzata qualunque sia il rango, tradotta in sei lingue e arricchita con le tue parole.

Rivendica questa pagina →
LearningX — GitHub preview card
📈 Storia delle stelle
365364
2026-07-202026-08-31
📈 Segui LearningX

Ricevi un avviso via email alla prossima release o quando decolla — non perderti nulla.

Gratis · senza carta · disdici quando vuoi
Ricevi avvisi via email →
📄 Informazioni

Esempi di Reinforcement Learning profondo e classico + Machine Learning in Python

LearningX ha 364 stelle su GitHub. È stato forkato 185 volte. LearningX è scritto principalmente in Python. È in sviluppo attivo dal 2017. LearningX è disponibile con licenza MIT. I suoi temi principali sono: agent, data-science, deep, deep-learning.

Frequently asked questions

Che cos'è LearningX?

Esempi di Reinforcement Learning profondo e classico + Machine Learning in Python

LearningX è open source?

LearningX è un progetto open source. È rilasciato con licenza MIT.

LearningX è gratuito?

Sì. LearningX è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.

Con quale licenza è LearningX?

LearningX è disponibile con licenza MIT.

In quale linguaggio è scritto LearningX?

LearningX è scritto principalmente in Python.

🏅 Manutentore di questo progetto?
olud.ai badge — LearningX

Aggiungi questo badge live al tuo README — le tue stelle GitHub e il ranking della directory, aggiornati quotidianamente.

[![olud.ai](https://olud.ai/badge.php?tool=ankonzoid-learningx)](https://olud.ai/project/ankonzoid-learningx.html)
Altre opzioni di badge →
🧬 Condivide il DNA con

Misurato dai topic GitHub comuni a entrambi i progetti, ponderati per la loro rarita.