Parcourir les catégories
Explorer
Fiverr Pro
Français
$
USD
Je vais développer des modèles d'apprentissage par renforcement pour les jeux de robotique et l'automatisation en python
Ingénieur en IA, chercheur publié, YOLO, vision par ordinateur, apprentissage automatique
Je suis Abdullah — ingénieur en intelligence artificielle, chercheur publié (Sensors, MDPI), expert Kaggle et expert Roboflow du Pakistan.
J'ai conçu et publié YOLO-OcuLite, une architecture YOLO lég...
À propos de ce service
Je conçois des agents d'apprentissage par renforcement stables, optimisés et prêts pour la production, destinés à la robotique, l'automatisation, l'IA dans les jeux et les simulations.
Je suis Abdullah, chercheur en IA publié (Sensors, MDPI), expert Kaggle. J'implémente PPO, DQN, SAC, TD3 en utilisant Stable Baselines3 et RLlib, pas seulement des tutoriels, mais des systèmes déployables réels.
Services
- Développement personnalisé d'agents RL PPO, DQN, SAC, TD3, A3C
- Simulation robotique PyBullet, MuJoCo, Gazebo, Isaac Gym
- Conception de récompenses et d'environnements personnalisés
- Systèmes RL multi-agents
- Déploiement en cloud et en edge via FastAPI ou Flask
Vous Recevez
- Un agent RL entraîné avec un pipeline complet d'entraînement
- Courbe de récompense et rapport de performance
- Code Python propre et documenté
- Modèle prêt pour le déploiement
Envoyez les détails de votre environnement et votre objectif avant de commander.
"La plupart des agents RL échouent dans le monde réel. Les miens sont conçus pour cela."
Langage de programmation:
Python
•
MATLAB
•
SQL
•
Colab
•
Amazon SageMaker
Mon portfolio
Autres services de Data science et machine learning I Offre
FAQ
Traduction automatique
Quels algorithmes RL implémentez-vous ?
PPO, DQN, SAC, TD3, A3C, et architectures personnalisées utilisant Stable Baselines3 ou RLlib.
Quels simulateurs supportez-vous ?
PyBullet, MuJoCo, Isaac Gym, Gazebo, Webots, OpenAI Gym, et environnements personnalisés
Que dois-je fournir ?
Description de l’environnement, objectif de la tâche, structure de récompense si définie, et tout code existant.
Prise en charge du RL multi-agent ?
Oui — environnements MARL disponibles sur demande.
Pouvez-vous déployer l’agent entraîné ?
Oui — AWS, GCP, Azure, ou API FastAPI/Flask inclus dans le package Premium.
Travaillez-vous avec des fonctions de récompense personnalisées ?
Oui — ajustement de récompense et conception d’environnement personnalisé inclus dans tous les packages.
Pouvez-vous améliorer mon modèle RL existant ?
Oui — réglage fin, débogage de récompense, et optimisation de la stabilité disponibles.
Recevrai-je un code documenté ?
Oui — code Python propre et reproductible avec tous les commentaires dans chaque package.
Mon projet est-il confidentiel ?
Oui. Confidentialité stricte assurée. NDA disponible sur demande.
Pourquoi vous choisir plutôt que d’autres freelances en RL ?
Chercheur en IA publié avec une expérience réelle de déploiement en robotique — systèmes de production, pas des démos.
