reinforcement-learning

Liste von Informatikkursen mit Videovorlesungen.

Lokale UI zum Ausführen und Trainieren von LLMs und Diffusionsmodellen, einschließlich Qwen3.8, Kimi K3, MiniMax-H3, Gemma 4, DeepSeek-V4, FLUX und mehr.

🧑‍🏫 60+ Implementierungen/Tutorials von Deep-Learning-Papieren mit Nebennotizen 📝; inkl. transformers (original, xl, switch, feedback, vit, ...), optimizers (adam, adabelief, sophia, ...), gans (cyclegan, stylegan2, ...), 🎮 Reinforcement Learning (ppo, dqn), capsnet, Distillation, ... 🧠

Lerne es. Baue es. Versende es für andere.

《Vertiefung des AI Agent: Designprinzipien und ingenieurtechnische Praxis》（Li Bo Jie）Open-Source-Hauptrepo: Vollständiger Text des Buches, kompilierte PDF-Version und zu den Kapiteln passender Code

Ray ist ein AI-Rechen-Engine. Ray besteht aus einem Core-Distributed-Runtime und einer Reihe von AI-Bibliotheken zur Beschleunigung von ML-Workloads.

SGLang ist ein hochleistungsfähiges Serving‑Framework für große Sprach‑ und multimodale Modelle.

📚 Papers & Tech‑Blogs von Unternehmen, die ihre Arbeit zu Data Science & Machine Learning in der Produktion teilen.

Interaktives Deep-Learning-Buch mit Multi-Framework-Code, Mathematik und Diskussionen. Wird an 500 Universitäten in 70 Ländern eingesetzt, darunter Stanford, MIT, Harvard und Cambridge.

FinGPT: Open-Source Financial Large Language Models! Revolutionize 🔥 Wir veröffentlichen das trainierte Modell auf HuggingFace.

Code für Machine Learning for Trading, 3. Auflage — von der Datensammlung bis zur Live-Ausführung.

Das Unity Machine Learning Agents Toolkit (ML-Agents) ist ein Open-Source-Projekt, mit dem Spiele und Simulationen als Umgebungen zum Trainieren intelligenten Agenten mittels Deep Reinforcement Learning und Imitation Learning dienen können.

Der ultimative Trainer für KI-Agenten.

Dies ist die Homepage eines neuen Buches mit dem Titel „Mathematical Foundations of Reinforcement Learning“.

Deep Learning-Tutorial von Li Hung-yi (von Prof. Li Hung-yi empfohlen 👍, Apple-Buch 🍎), PDF-Download-Adresse: https://github.com/datawhalechina/leedl-tutorial/releases

Eine kuratierte Liste von Kursen, Büchern, Videovorlesungen und Papers zur künstlichen Intelligenz (KI).

Python-Implementierung von Reinforcement Learning: An Introduction

Bullet Physics SDK: Echtzeit-Kollisionserkennung und Multiphysik-Simulation für VR, Spiele, visuelle Effekte, Robotik, maschinelles Lernen usw.

Chinesisches Tutorial zum Reinforcement Learning (Pilz-Buch 🍄), Online-Leseadresse: https://datawhalechina.github.io/easy-rl/

PyTorch-Version von Stable Baselines, zuverlässige Implementierungen von Reinforcement-Learning-Algorithmen.

Tauchen Sie ein in Deep Learning, Reinforcement Learning, Machine Learning, Computer Vision und NLP anhand dieser spannenden Vorlesungen!

Eine Standard-API für Reinforcement-Learning-Umgebungen mit einem Agenten, inklusive gängiger Referenzumgebungen und zugehöriger Hilfsprogramme (ehemals Gym)

Die AI-Entwicklerplattform. Nutzen Sie Weights & Biases zum Trainieren und Fine-Tuning von Modellen sowie zur Verwaltung von der Experimentierung bis zur Produktion.

Beispiel-Jupyter-Notebooks zur Demonstration des Erstellens, Trainierens und Deployens von Machine-Learning-Modellen mit Amazon SageMaker.

Agent Reinforcement Trainer: Trainieren Sie mehrstufige Agenten für reale Aufgaben mit GRPO. Geben Sie Ihren Agenten ein On-the-Job-Training. Reinforcement Learning für Qwen3.6, GPT-OSS, Llama und mehr!

Hochwertige Ein-Datei-Implementierung von Deep-Reinforcement-Learning-Algorithmen mit forschungsfreundlichen Funktionen (PPO, DQN, C51, DDPG, TD3, SAC, PPG)

Ein benutzerfreundliches, skalierbares und leistungsstarkes Agentic-RL-Framework basierend auf Ray (PPO & DAPO & REINFORCE++ & VLM & TIS & vLLM & Ray & Async RL)

Einfache Tutorials für Reinforcement Learning, Morvan Python Chinesischer AI-Unterricht

SANA: Effiziente hochauflösende Bildsynthese mit Linear Diffusion Transformer

Eine Sammlung von Beispielen und Tutorials zum maschinellen Lernen.