[python] machine learning non supervisé : creer un champion d' echec sans base de donnée

Salut,

je voudrai savoir quels sous modules de Scikit-learn ou autre sont nécessaires pour que le prog apprenne par lui même les meilleurs stratégies à adopter en partant uniquement des mouvements de pièces , et des notions de promotion du pion, d' échec, et de mat.

Merci Vayel, une belle récolte grâce à ton conseil :

https://cdancette.fr/2017/08/18/reinforcement-learning-part1/

https://www.journaldunet.com/solutions/dsi/1423283-quatre-frameworks-pour-passer-au-reinforcement-learning/

https://www.geeksforgeeks.org/ml-reinforcement-learning-algorithm-python-implementation-using-q-learning/

et ce lien qui est relié à ma question: https://www.analyticsvidhya.com/blog/2017/01/introduction-to-reinforcement-learning-implementation/

===>

https://github.com/aikorea/awesome-rl#game-playing

==>

https://arxiv.org/pdf/1509.01549v2.pdf

L’apprentissage en profondeur et l’apprentissage par renforcement requièrent tous les deux un vocabulaire riche pour définir une architecture, l’apprentissage en profondeur nécessitant en outre des GPU pour un calcul efficace. Cependant, aucun de ceux-ci ne correspond aux contraintes de conception de scikit-learn; par conséquent, l’apprentissage en profondeur et l’apprentissage par renforcement sont actuellement hors de portée de ce que scikit-learn cherche à réaliser.

pour ceux que ça intéresse, dans le même trip, j' ai trouvé ça :

https://github.com/maxpumperla/deep_learning_and_the_game_of_go