Обученный агент PPO выбирает действия в среде Blackjack-v1 для экспериментов с обучением с подкреплением.

Подходит для: выбор действий агентом в среде Blackjack-v1 · эксперименты с алгоритмом PPO для блэкджека · демонстрация обучения с подкреплением в игровой среде