Skip to content

Deep Learning Book

  • Início
  • Índice
  • Cursos Online
  • Contato

Deep Learning Book

Em Português, Online e Gratuito

Deep Learning Book

Capítulo 69 – Treinando Um Agente Baseado em IA Para Jogar Boxe no Atari Usando Linguagem Python

by

Esta aula considera que você possui conhecimento em Linguagem Python. Se esse não for o caso, acesse nosso curso gratuito e comece aprender agora mesmo: Python Fundamentos Para Análise de Dados.

Consideramos ainda que você já estudou os capítulos anteriores do Deep Learning Book.

Nesta aula vamos desenvolver um agente inteligente em Python usando o algoritmo Q-Learning. O método de aprendizado será a Aprendizagem Por Reforço que estudamos nos capítulos anteriores do livro.

Nosso objetivo será Treinar Um Agente Baseado em IA Para Jogar Box no Atari (se você é mais jovem, pode não saber o que é o Atari. Ele marcou toda uma geração e podemos considerar como sendo o avô dos consoles de video game atuais. Mais detalhes aqui.)

atari

O desenvolvimento completo está no Jupyter Notebook que publicamos no Google Colab e tem acesse gratuito de qualquer computador conectado a internet no Planeta Terra. Mas para acessar o Google Colab você vai precisar de uma conta gratuita com o Google.

Clique no botão abaixo para acessar o Google Colab com o Jupyter Notebook e se for necessário a criação da conta o Google vai notificar você:

 

Google Colab

 

O Jupyter Notebook está em modo de somente leitura, pois está na conta da DSA. Para executar na sua conta, clique no menu File e salve uma cópia ou apenas execute no modo Playground clicando no botão na parte superior.

Esse Jupyter Notebook é um “caderno” completo de conhecimento, com fórmulas, definições, links e, claro, código Python.

Você pode estar se perguntando: Como treinar um agente baseado em IA para jogar Box pode ajudar no aprendizado de Inteligência Artificial? Sua pergunta faz sentido. A questão é que as técnicas aprendidas nesse exemplo são usadas em aplicações mais avançadas, como por exemplo o robô de otimização de portfólios que ensinamos no curso de IA Aplicada a Finanças. Antes de aprender a correr, é preciso aprender a andar. Comece com o jogo e tudo fará cada vez mais sentido.

Estude, aprenda e divirta-se! Algumas aplicações comerciais de IA de última geração usam as técnicas que você encontra no trabalho deste e dos próximos capítulos.

No Capítulo 70 terá algo ainda mais interessante.

Post navigation

Previous Post:

Capítulo 68 – Algoritmo de Agente Baseado em IA com Reinforcement Learning – Q-Learning

Next Post:

Capítulo 70 – Deep Q-Network e Processos de Decisão de Markov

Capítulos Recentes

  • Capítulo 100 – Machine Learning – Guia Definitivo – Parte 10
  • Capítulo 99 – Machine Learning – Guia Definitivo – Parte 9
  • Capítulo 98 – Machine Learning – Guia Definitivo – Parte 8
  • Capítulo 97 – Machine Learning – Guia Definitivo – Parte 7
  • Capítulo 96 – Machine Learning – Guia Definitivo – Parte 6
  • Capítulo 95 – Machine Learning – Guia Definitivo – Parte 5
  • Capítulo 94 – Machine Learning – Guia Definitivo – Parte 4
  • Capítulo 93 – Machine Learning – Guia Definitivo – Parte 3
  • Capítulo 92 – Machine Learning – Guia Definitivo – Parte 2
  • Capítulo 91 – Machine Learning – Guia Definitivo – Parte 1

Buscar

Podcast DSA

© 2025 Data Science Academy - www.datascienceacademy.com.br