- Exécuteurs
-
Apprendre
Apprendre Python Exemples exécutables, NumPy, pandas et plus Apprendre l'IA / Machine LearningRéseaux de neurones, ML et LLM de zéro Apprendre le C et le C++ Pointeurs, mémoire, STL et C++ moderne Apprendre le C#Bases, POO, LINQ, async et exercices .NET Apprendre MatplotlibCourbes, barres, nuages de points et camemberts avec visualiseurs Apprendre RustOwnership, traits, gestion des erreurs et threads Apprendre GoSlices, interfaces, goroutines et channels Algorithmes Python Recherche, tri, récursivité et visualisations O(n) Algorithmes C et C++ Comparer les implémentations en C et C++ Programmation pour enfants Apprends à coder en jouant !
- QuizNouveau
- DéfisNouveau
- EnseignantsNouveau
- Mises à Jour
- Offrez-moi un café
Parcours IA
Codez l'IA classique et l'apprentissage par renforcement en Python
8 défis sur la façon dont les machines cherchent, jouent et apprennent à partir de récompenses : recherche de chemin A*, minimax et alpha-bêta, algorithmes génétiques, chaînes de Markov, bandits multi-bras, itération sur les valeurs et Q-learning. Résolvez-les dans l'ordre en Python ; chacun s'exécute dans votre navigateur avec des tests instantanés et une revue par l'IA.
Connectez-vous pour sauvegarder votre progression dans le parcours.
0%résolu
0 / 8
-
1 Apprenez d'abord le concept Recherche et IA de jeu : A* et minimax en Python Lire la leçon →0/4Recherche, jeux et évolution
Recherche de chemin A*, minimax, élagage alpha-bêta et algorithmes génétiques.
-
2 Apprenez d'abord le concept Chaînes de Markov et compromis exploration-exploitation en Python Lire la leçon →0/2Hasard et exploration
Chaînes de Markov et compromis entre exploration et exploitation.
-
3 Apprenez d'abord le concept Apprentissage par renforcement : value iteration et Q-learning en Python Lire la leçon →0/2Apprentissage par renforcement
Itération sur les valeurs et Q-learning.