CodeUtility
Haz que programar sea más fácil.
Volver a los desafíos

Ruta de aprendizaje de IA

Programa IA clásica y aprendizaje por refuerzo en Rust

8 retos sobre cómo las máquinas buscan, juegan y aprenden de las recompensas: búsqueda de caminos A*, minimax y alfa-beta, algoritmos genéticos, cadenas de Markov, bandidos multibrazo, iteración de valores y Q-learning. Resuélvelos en orden en Rust; cada uno se ejecuta en tu navegador con pruebas instantáneas y una revisión de IA.

Comenzar el primer desafío
  1. 1

    Búsqueda, juegos y evolución

    Búsqueda de caminos A*, minimax, poda alfa-beta y algoritmos genéticos.

    0/4
    Aprende primero el concepto Búsqueda e IA para juegos: A* y minimax en Python Leer la lección →
    1. 1 Búsqueda A* en una cuadrícula ponderada Intermedio Resolver en Rust
    2. 2 Tres en raya con minimax Intermedio Resolver en Rust
    3. 3 Poda alfa-beta Intermedio Resolver en Rust
    4. 4 Una generación de un algoritmo genético Intermedio Resolver en Rust
  2. 2

    Azar y exploración

    Cadenas de Markov y el equilibrio entre exploración y explotación.

    0/2
    Aprende primero el concepto Cadenas de Markov y el dilema exploración-explotación en Python Leer la lección →
    1. 1 Distribución de estados de una cadena de Markov Fácil Resolver en Rust
    2. 2 Bandido multibrazo epsilon-greedy Fácil Resolver en Rust
  3. 3

    Aprendizaje por refuerzo

    Iteración de valores y Q-learning.

    0/2
    Aprende primero el concepto Aprendizaje por refuerzo: value iteration y Q-learning en Python Leer la lección →
    1. 1 Iteración de valores Intermedio Resolver en Rust
    2. 2 Actualizaciones de Q-learning Intermedio Resolver en Rust