CodeUtility
Mach dir das Coderleben leicht!
Zurück zu den Herausforderungen

KI-Lernpfad

Programmiere klassische KI und bestärkendes Lernen in Swift

8 Aufgaben dazu, wie Maschinen suchen, Spiele spielen und aus Belohnungen lernen: A*-Wegfindung, Minimax und Alpha-Beta, genetische Algorithmen, Markov-Ketten, Multi-Armed-Bandits, Wertiteration und Q-Learning. Löse sie der Reihe nach in Swift; jede läuft im Browser mit sofortigen Tests und einem KI-Review.

Erste Aufgabe starten
  1. 1

    Suche, Spiele und Evolution

    A*-Wegfindung, Minimax, Alpha-Beta-Pruning und genetische Algorithmen.

    0/4
    Zuerst das Konzept lernen Suche und Spiele-KI: A* und Minimax in Python Lektion lesen →
    1. 1 A*-Suche auf einem gewichteten Gitter Mittel In Swift lösen
    2. 2 Minimax-Tic-Tac-Toe Mittel In Swift lösen
    3. 3 Alpha-Beta-Pruning Mittel In Swift lösen
    4. 4 Eine Generation eines genetischen Algorithmus Mittel In Swift lösen
  2. 2

    Zufall und Erkundung

    Markov-Ketten und der Zielkonflikt zwischen Erkunden und Ausnutzen.

    0/2
    Zuerst das Konzept lernen Markow-Ketten und der Kompromiss zwischen Erkunden und Ausnutzen in Python Lektion lesen →
    1. 1 Zustandsverteilung einer Markov-Kette Einfach In Swift lösen
    2. 2 Epsilon-Greedy-Multi-Armed-Bandit Einfach In Swift lösen
  3. 3

    Bestärkendes Lernen

    Wertiteration und Q-Learning.

    0/2
    Zuerst das Konzept lernen Bestärkendes Lernen: Value Iteration und Q-Learning in Python Lektion lesen →
    1. 1 Wertiteration Mittel In Swift lösen
    2. 2 Q-Learning-Updates Mittel In Swift lösen