CodeUtility
Faciliter la vie des développeurs !
Retour aux défis

Parcours IA

Codez l'IA classique et l'apprentissage par renforcement en Rust

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 Rust ; chacun s'exécute dans votre navigateur avec des tests instantanés et une revue par l'IA.

Commencer le premier défi
  1. 1

    Recherche, jeux et évolution

    Recherche de chemin A*, minimax, élagage alpha-bêta et algorithmes génétiques.

    0/4
    Apprenez d'abord le concept Recherche et IA de jeu : A* et minimax en Python Lire la leçon →
    1. 1 Recherche A* sur une grille pondérée Moyen Résoudre en Rust
    2. 2 Morpion avec minimax Moyen Résoudre en Rust
    3. 3 Élagage alpha-bêta Moyen Résoudre en Rust
    4. 4 Une génération d'algorithme génétique Moyen Résoudre en Rust
  2. 2

    Hasard et exploration

    Chaînes de Markov et compromis entre exploration et exploitation.

    0/2
    Apprenez d'abord le concept Chaînes de Markov et compromis exploration-exploitation en Python Lire la leçon →
    1. 1 Distribution d'états d'une chaîne de Markov Facile Résoudre en Rust
    2. 2 Bandit manchot multi-bras epsilon-greedy Facile Résoudre en Rust
  3. 3

    Apprentissage par renforcement

    Itération sur les valeurs et Q-learning.

    0/2
    Apprenez d'abord le concept Apprentissage par renforcement : value iteration et Q-learning en Python Lire la leçon →
    1. 1 Itération sur les valeurs Moyen Résoudre en Rust
    2. 2 Mises à jour du Q-learning Moyen Résoudre en Rust