Percorso di apprendimento IA

Programma IA classica e apprendimento per rinforzo in Kotlin

8 sfide su come le macchine cercano, giocano e imparano dalle ricompense: ricerca del percorso A*, minimax e alfa-beta, algoritmi genetici, catene di Markov, banditi multi-braccio, iterazione dei valori e Q-learning. Risolvile in ordine in Kotlin; ognuna gira nel browser con test immediati e una revisione dell'IA.

Inizia la prima sfida

Accedi per salvare i tuoi progressi nel percorso.

0%risolte

0 / 8

1

Ricerca, giochi ed evoluzione

Ricerca del percorso A*, minimax, potatura alfa-beta e algoritmi genetici.

0/4
Prima impara il concetto Ricerca e IA per i giochi: A* e minimax in Python Leggi la lezione →
1. 1 Ricerca A* su una griglia pesata Media Risolvi in Kotlin
2. 2 Tris con minimax Media Risolvi in Kotlin
3. 3 Potatura alfa-beta Media Risolvi in Kotlin
4. 4 Una generazione di un algoritmo genetico Media Risolvi in Kotlin
2

Caso ed esplorazione

Catene di Markov e il compromesso tra esplorazione e sfruttamento.

0/2
Prima impara il concetto Catene di Markov e il compromesso tra esplorazione e sfruttamento in Python Leggi la lezione →
1. 1 Distribuzione degli stati di una catena di Markov Facile Risolvi in Kotlin
2. 2 Bandito multi-braccio epsilon-greedy Facile Risolvi in Kotlin
3

Apprendimento per rinforzo

Iterazione dei valori e Q-learning.

0/2
Prima impara il concetto Apprendimento per rinforzo: value iteration e Q-learning in Python Leggi la lezione →
1. 1 Iterazione dei valori Media Risolvi in Kotlin
2. 2 Aggiornamenti del Q-learning Media Risolvi in Kotlin