#deep-reinforcement-learning Repositórios
Descubra 99 repositórios ativos de código aberto no GitHub marcados com #deep-reinforcement-learning, acumulando um total de 324,947 estrelas (uma média de 3,282 por projeto). O líder deste tópico é Unity-Technologies/ml-agents, com 19,887 estrelas.
99 repositórios no total
O Unity Machine Learning Agents Toolkit (ML-Agents) é um projeto de código aberto que permite que jogos e simulações sirvam como ambientes para treinar agentes inteligentes usando aprendizado por reforço profundo e aprendizado por imitação.
Simulador de código aberto para veículos autônomos, construído sobre Unreal Engine / Unity, da Microsoft AI & Research
Este repositório contém implementações e código ilustrativo para acompanhar as publicações da DeepMind
Tutorial de Aprendizagem por Reforço em Chinês (Livro do Cogumelo 🍄), endereço para leitura online: https://datawhalechina.github.io/easy-rl/
Mergulhe em Deep Learning, Reinforcement Learning, Machine Learning, Computer Vision e NLP aprendendo com estas palestras emocionantes!!
Um recurso educacional para ajudar qualquer pessoa a aprender aprendizado por reforço profundo.
Implementação de alta qualidade em arquivo único de algoritmos de Aprendizagem por Reforço Profundo com recursos amigáveis à pesquisa (PPO, DQN, C51, DDPG, TD3, SAC, PPG)
Tutoriais, trabalhos práticos e competições para cursos relacionados a Deep Learning do MIT.
(⌐■_■) - Aprendizagem por Reforço Profunda instrumentando bettercap para o 'pwning' de WiFi.
Materiais de Laboratório para MIT 6.S191: Introdução ao Deep Learning
Hack do Flappy Bird usando Aprendizado por Reforço Profundo (Deep Q-learning).
Implementações PyTorch de algoritmos e ambientes de aprendizado por reforço profundo
Repositório para o programa Nanodegree de Aprendizado por Reforço Profundo
Este repositório contém o Curso de Aprendizagem por Reforço Profundo (Deep Reinforcement Learning) da Hugging Face.
"Grandes Modelos de Linguagem" por Zhao Xin, Li Junyi, Zhou Kun, Tang Tianyi, Wen Jirong
Uma lista selecionada de recursos de aprendizado por reforço com feedback humano (continuamente atualizada)
FinRL-X: Infraestrutura Modular Nativa de IA para Trading Quantitativo
Implementação PyTorch limpa, robusta e unificada de algoritmos populares de Aprendizagem por Reforço Profunda (DRL) (Q-learning, Duel DDQN, PER, C51, Noisy DQN, PPO, DDPG, TD3, SAC, ASL)
Aprendizado por Reforço / Bots de IA em Jogos de Cartas (Pôquer) - Blackjack, Leduc, Texas, DouDizhu, Mahjong, UNO.
Tensorforce: uma biblioteca TensorFlow para aprendizado por reforço aplicado
Motor de xadrez de rede neural de código aberto com aceleração de GPU e amplo suporte de hardware.
Uma biblioteca modular de alto nível para treinar agentes de IA incorporados em uma variedade de tarefas e ambientes.
Hands-on Deep Reinforcement Learning, publicado pela Packt
Uma Biblioteca de Agentes de IA para Aprendizagem por Reforço, pronta para produção, trazida pela equipe de Aprendizagem por Reforço Aplicada da Meta.
Um framework de treinamento para agentes de aprendizado por reforço Stable Baselines3, incluindo otimização de hiperparâmetros e agentes pré-treinados.
Curso de Tutoria PPO x Family DRL (Curso público introdutório de Inteligência de Decisão: 8 aulas para ajudá-lo a dominar a teoria do algoritmo, organizar a lógica do código e dominar a aplicação prática da IA de Decisão)
Implementação mínima do objetivo recortado Proximal Policy Optimization (PPO) em PyTorch
FinRL®-Meta: Conjuntos de dados dinâmicos e ambientes de mercado para FinRL.
Top 200 repositórios de deep learning do Github classificados pelo número de estrelas.
Uma lista selecionada de recursos de Modelos de Difusão em RL (continuamente atualizada)
Aprendizagem por Reforço Profunda para navegação de robôs móveis no simulador ROS Gazebo. Usando a rede neural Twin Delayed Deep Deterministic Policy Gradient (TD3), um robô aprende a navegar até um ponto de objetivo aleatório em um ambiente simulado, evitando obstáculos.
Uma plataforma de inteligência artificial para StarCraft II com treinamento distribuído em larga escala e agentes grão-mestre.
Framework modular de aprendizado por reforço profundo em PyTorch. Biblioteca complementar do livro "Foundations of Deep Reinforcement Learning".
Perguntas Frequentes
Qual é o repositório de #deep-reinforcement-learning mais popular no GitHub?
O projeto de código aberto de #deep-reinforcement-learning mais bem classificado no GitHub é Unity-Technologies/ml-agents, com 19,887 estrelas. O Unity Machine Learning Agents Toolkit (ML-Agents) é um projeto de código aberto que permite que jogos e simulações sirvam como ambientes para treinar agentes inteligentes usando aprendizado por reforço profundo e aprendizado por imitação.
Quais linguagens de programação são mais usadas nos repositórios de #deep-reinforcement-learning?
Entre os projetos de #deep-reinforcement-learning mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, C++, C#.
Como é calculada a classificação dos repositórios de #deep-reinforcement-learning?
Acompanhamos 99 repositórios ativos de código aberto marcados com #deep-reinforcement-learning (com mais de 500 estrelas), totalizando 324,947 estrelas e uma média de 3,282 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.