Início Projetos Reinforcement-Learning
Reinforcement-Learning
Jupyter Notebook

Reinforcement-Learning

Aprenda Aprendizado por Reforço Profundo em 60 dias! Aulas & Código em Python. Aprendizado por Reforço + Aprendizado Profundo

por andri27-ts · GitHub
Estrelas
Forks
Licença
Criado
Último commit
Categoria
a2cartificial-intelligencedeep-learningMITJupyter Notebook
Ver no GitHub
Em palavras simples

Aprenda como aplicar técnicas de aprendizado por reforço profundo para resolver problemas do mundo real por meio de palestras e exercícios de codificação.

Mantem este projeto?

Reivindique a sua pagina: indexada seja qual for a posicao, traduzida em seis linguas e enriquecida com as suas palavras.

Reivindicar esta pagina →
Reinforcement-Learning — GitHub preview card
📈 Histórico de estrelas
4.73k4.72k
2026-07-042026-08-31
📈 Acompanhe Reinforcement-Learning

Receba um alerta por e-mail no próximo lançamento ou quando começar a bombar.

Grátis · sem cartão · cancele quando quiser
Receber alertas por e-mail →
📄 Sobre

Aprenda Aprendizado por Reforço Profundo em 60 dias! Aulas & Código em Python. Aprendizado por Reforço + Aprendizado Profundo

Reinforcement-Learning tem 4.7k estrelas no GitHub. Foi bifurcado 669 vezes. Reinforcement-Learning é escrito principalmente em Jupyter Notebook. Está em desenvolvimento ativo desde 2018. Reinforcement-Learning está disponível sob a licença MIT. Os seus principais temas são: a2c, artificial-intelligence, deep-learning, deep-reinforcement-learning.

Frequently asked questions

O que é Reinforcement-Learning?

Aprenda Aprendizado por Reforço Profundo em 60 dias! Aulas & Código em Python. Aprendizado por Reforço + Aprendizado Profundo

Reinforcement-Learning é de código aberto?

Reinforcement-Learning é um projeto de código aberto. É distribuído sob a licença MIT.

Reinforcement-Learning é gratuito?

Sim. Reinforcement-Learning é gratuito e de código aberto — você pode usá-lo, modificá-lo e hospedá-lo por conta própria.

Sob que licença está Reinforcement-Learning?

Reinforcement-Learning está disponível sob a licença MIT.

Em que linguagem Reinforcement-Learning está escrito?

Reinforcement-Learning é escrito principalmente em Jupyter Notebook.

🏅 Mantenedor deste projeto?
olud.ai badge — Reinforcement-Learning

Adicione este badge ao vivo ao seu README — suas estrelas do GitHub e classificação no diretório, atualizadas diariamente.

[![olud.ai](https://olud.ai/badge.php?tool=andri27-ts-reinforcement-learning)](https://olud.ai/project/andri27-ts-reinforcement-learning.html)
Mais opções de badge →
🧬 Partilha ADN com🧬 Ver o mapa de ADN →
SLM-Lab
Estrutura modular de Aprendizado por Reforço Profundo em PyTorch. Biblioteca acompanhante do li…
1.4k · a2c
partilhaa2cdeep-reinforcement-learning
PyTorch-RL
Implementação em PyTorch de Aprendizado por Reforço Profundo: Métodos de Gradiente de Política…
1.3k · a2c
partilhaa2cdeep-reinforcement-learning
Rainbow
Rainbow: Combinando Melhorias em Aprendizado por Reforço Profundo
1.7k · deep-learning
partilhadeep-reinforcement-learning
hands-on-rl
Curso gratuito que te leva do zero ao PRO em Aprendizado por Reforço 🦸🏻‍🦸🏽
1.6k · deep-reinforcement-learning
partilhadeep-reinforcement-learning
DeepRL-TensorFlow2
🐋 Implementações simples de vários algoritmos populares de Aprendizado por Reforço Profundo usa…
600 · a2c
partilhaa2c
deeplearning-guide
Um guia em evolução para aprender Deep Learning de forma eficaz.
713 · computer-vision
partilhadeep-reinforcement-learning
PyGame-Learning-Environment
Ambiente de Aprendizado PyGame (PLE) -- Ambiente de Aprendizado por Reforço em Python.
1.1k · agent
partilhadeep-reinforcement-learning
DeepLearningFlappyBird
Hack do Flappy Bird usando Aprendizado por Reforço Profundo (Deep Q-learning).
6.8k · deep-learning
partilhadeep-reinforcement-learning
Deep_reinforcement_learning_Course
Implementações do curso gratuito Deep Reinforcement Learning com Tensorflow e PyTorch
3.9k · a2c
partilhaa2c
drl-zh
Aprendizado por Reforço Profundo: Do Zero ao Herói!
2.3k · deep-learning
partilhadeep-reinforcement-learning

Medido a partir dos topics do GitHub comuns aos dois projetos, ponderados pela sua raridade.