Vou desenvolver modelos de aprendizado por reforço para jogos de robótica e automação em python
Engenheiro de IA, Pesquisador publicado, YOLO, Visão computacional, Aprendizado de máquina
Sobre este Serviço
Eu crio agentes de aprendizado por reforço estáveis, otimizados e prontos para produção, para tarefas de robótica, automação, IA de jogos e simulação.
Sou Abdullah, um pesquisador de IA publicado (Sensors, MDPI), especialista em Kaggle. Implemento PPO, DQN, SAC, TD3 usando Stable Baselines3 e RLlib, não apenas tutoriais, mas sistemas reais e implantáveis.
Serviços
- Desenvolvimento personalizado de agentes de RL: PPO, DQN, SAC, TD3, A3C
- Simulação de robótica: PyBullet, MuJoCo, Gazebo, Isaac Gym
- Modelagem de recompensas e design de ambientes personalizados
- Sistemas de RL multi-agente
- Implantação na nuvem e na borda via FastAPI ou Flask
Você recebe
- Um agente de RL treinado com um pipeline completo de treinamento
- Curva de recompensa e relatório de desempenho
- Código Python limpo e documentado
- Modelo pronto para implantação
Envie os detalhes do seu ambiente e seu objetivo antes de fazer o pedido.
"A maioria dos agentes de RL falha no mundo real. Os meus são feitos para isso."
Linguagem de programação:
Python
•
MATLAB
•
SQL
•
Colab
•
Amazon SageMaker
Meu portfólio
Outros serviços de Ciência de dados e ML que eu ofereço
Perguntas frequentes
Tradução automática
Quais algoritmos de RL você implementa?
PPO, DQN, SAC, TD3, A3C e arquiteturas personalizadas usando Stable Baselines3 ou RLlib.
Quais simuladores você suporta?
PyBullet, MuJoCo, Isaac Gym, Gazebo, Webots, OpenAI Gym e ambientes personalizados
O que preciso fornecer?
Descrição do ambiente, objetivo da tarefa, estrutura de recompensa se definida e qualquer código existente.
Você suporta RL multiagente?
Sim — ambientes MARL disponíveis mediante solicitação.
Você consegue implantar o agente treinado?
Sim — AWS, GCP, Azure ou API FastAPI/Flask incluídos no pacote Premium.
Você trabalha com funções de recompensa personalizadas?
Sim — modelagem de recompensa e design de ambientes personalizados incluídos em todos os pacotes.
Você consegue melhorar meu modelo de RL existente?
Sim — ajuste fino, depuração de recompensa e otimização de estabilidade disponíveis.
Vou receber código documentado?
Sim — código Python limpo, reproduzível e com comentários completos em todos os pacotes.
Meu projeto é confidencial?
Sim. Confidencialidade rigorosa mantida. NDA disponível mediante solicitação.
Por que me escolher em vez de outros freelancers de RL?
Pesquisador de IA publicado com experiência real em implantação de robótica — sistemas de produção, não apenas demonstrações.

