#deep-reinforcement-learning Repositorios
Descubre 99 repositorios activos de código abierto de GitHub etiquetados con #deep-reinforcement-learning, que acumulan 324,947 estrellas en total (una media de 3,282 estrellas por proyecto). El líder de este tema es Unity-Technologies/ml-agents, con 19,887 estrellas.
99 repositorios en total
El Unity Machine Learning Agents Toolkit (ML-Agents) es un proyecto de código abierto que permite que los juegos y simulaciones sirvan como entornos para entrenar agentes inteligentes utilizando aprendizaje por refuerzo profundo e imitación.
Simulador de código abierto para vehículos autónomos construido sobre Unreal Engine / Unity, de Microsoft AI & Research
Este repositorio contiene implementaciones y código ilustrativo para acompañar las publicaciones de DeepMind.
Tutorial de aprendizaje por refuerzo en chino (Libro de los Hongos 🍄), dirección de lectura en línea: https://datawhalechina.github.io/easy-rl/
Sumérgete en Deep Learning, Reinforcement Learning, Machine Learning, Computer Vision y NLP aprendiendo de estas emocionantes conferencias!!
Un recurso educativo para ayudar a cualquiera a aprender aprendizaje por refuerzo profundo.
Implementación de un solo archivo de alta calidad de algoritmos de Deep Reinforcement Learning con características amigables para la investigación (PPO, DQN, C51, DDPG, TD3, SAC, PPG)
Tutoriales, asignaciones y competiciones para cursos relacionados con MIT Deep Learning.
(⌐■_■) - Deep Reinforcement Learning instrumentando bettercap para pwnear WiFi.
Materiales de laboratorio para MIT 6.S191: Introducción al Deep Learning
Hack de Flappy Bird usando Deep Reinforcement Learning (Deep Q-learning).
Implementaciones en PyTorch de algoritmos y entornos de aprendizaje por refuerzo profundo
Repositorio para el programa Nanodegree de Aprendizaje por Refuerzo Profundo
Este repositorio contiene el curso de aprendizaje por refuerzo profundo de Hugging Face.
"Grandes Modelos de Lenguaje" por: Zhao Xin, Li Junyi, Zhou Kun, Tang Tianyi, Wen Jirong
Una lista curada de recursos de aprendizaje por refuerzo con retroalimentación humana (actualizada continuamente)
FinRL-X: Infraestructura modular nativa de IA para trading cuantitativo
Implementación limpia, robusta y unificada de PyTorch de algoritmos populares de aprendizaje por refuerzo profundo (DRL) (Q-learning, Duel DDQN, PER, C51, Noisy DQN, PPO, DDPG, TD3, SAC, ASL)
Aprendizaje por Refuerzo / Bots de IA en Juegos de Cartas (Póker) - Blackjack, Leduc, Texas, DouDizhu, Mahjong, UNO.
Tensorforce: una biblioteca de TensorFlow para aprendizaje por refuerzo aplicado
Motor de ajedrez de red neuronal de código abierto con aceleración por GPU y amplio soporte de hardware.
Una biblioteca modular de alto nivel para entrenar agentes de IA encarnados en una variedad de tareas y entornos.
Aprendizaje por refuerzo profundo práctico, publicado por Packt
Una biblioteca de agentes de IA de aprendizaje por refuerzo lista para producción, presentada por el equipo de Aprendizaje por Refuerzo Aplicado de Meta.
Un marco de entrenamiento para agentes de aprendizaje por refuerzo de Stable Baselines3, con optimización de hiperparámetros y agentes pre-entrenados incluidos.
Curso tutorial PPO x Family DRL (Curso público introductorio a la inteligencia decisional: 8 lecciones para ayudarte a comprender la teoría de los algoritmos, clarificar la lógica del código y dominar la práctica de aplicaciones de IA decisional)
Implementación mínima de la Optimización de Política Próxima (PPO) con objetivo recortado en PyTorch
FinRL®-Meta: Conjuntos de datos dinámicos y entornos de mercado para FinRL.
Los 200 principales repositorios de GitHub de deep learning ordenados por número de estrellas.
Una lista seleccionada de recursos sobre Modelos de Difusión en RL (actualizada continuamente)
Aprendizaje profundo por refuerzo para la navegación de robots móviles en el simulador ROS Gazebo. Utilizando una red neuronal Twin Delayed Deep Deterministic Policy Gradient (TD3), un robot aprende a navegar hacia un punto objetivo aleatorio en un entorno simulado mientras evita obstáculos.
Una plataforma de inteligencia artificial para StarCraft II con entrenamiento distribuido a gran escala y agentes de Gran Maestro.
Framework modular de Deep Reinforcement Learning en PyTorch. Biblioteca complementaria del libro "Foundations of Deep Reinforcement Learning".
Preguntas frecuentes
¿Cuál es el repositorio de #deep-reinforcement-learning más popular en GitHub?
El proyecto de código abierto de #deep-reinforcement-learning mejor posicionado en GitHub es Unity-Technologies/ml-agents, con 19,887 estrellas. El Unity Machine Learning Agents Toolkit (ML-Agents) es un proyecto de código abierto que permite que los juegos y simulaciones sirvan como entornos para entrenar agentes inteligentes utilizando aprendizaje por refuerzo profundo e imitación.
¿Qué lenguajes de programación se utilizan más en los repositorios de #deep-reinforcement-learning?
Entre los proyectos de #deep-reinforcement-learning mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, C++, C#.
¿Cómo se calcula la clasificación de los repositorios de #deep-reinforcement-learning?
Seguimos 99 repositorios activos de código abierto etiquetados con #deep-reinforcement-learning (500+ estrellas), que suman un total de 324,947 estrellas, con una media de 3,282 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.