{"id":20305209,"url":"https://github.com/nelsonwenner/pingpong-ai","last_synced_at":"2025-06-15T04:06:15.593Z","repository":{"id":37622802,"uuid":"163102720","full_name":"nelsonwenner/pingpong-AI","owner":"nelsonwenner","description":":robot: Pingpong artificial intelligence.","archived":false,"fork":false,"pushed_at":"2022-06-22T00:51:50.000Z","size":39,"stargazers_count":7,"open_issues_count":2,"forks_count":7,"subscribers_count":1,"default_branch":"master","last_synced_at":"2025-04-11T14:57:57.100Z","etag":null,"topics":["ai","aprendizado","artificial-intelligence","inteligencia-artificial","inteligencia-computacional","machine","machine-intelligence","machine-learning","machine-learning-algorithms","machinelearning","machinelearning-python","neural-network","ping-pong-game","pingpong","python"],"latest_commit_sha":null,"homepage":"","language":"Python","has_issues":true,"has_wiki":null,"has_pages":null,"mirror_url":null,"source_name":null,"license":"mit","status":null,"scm":"git","pull_requests_enabled":true,"icon_url":"https://github.com/nelsonwenner.png","metadata":{"files":{"readme":"README.md","changelog":null,"contributing":null,"funding":null,"license":"LICENSE.md","code_of_conduct":null,"threat_model":null,"audit":null,"citation":null,"codeowners":null,"security":null,"support":null}},"created_at":"2018-12-25T18:07:57.000Z","updated_at":"2021-05-08T04:05:18.000Z","dependencies_parsed_at":"2022-09-01T00:31:08.381Z","dependency_job_id":null,"html_url":"https://github.com/nelsonwenner/pingpong-AI","commit_stats":null,"previous_names":[],"tags_count":0,"template":false,"template_full_name":null,"purl":"pkg:github/nelsonwenner/pingpong-AI","repository_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/nelsonwenner%2Fpingpong-AI","tags_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/nelsonwenner%2Fpingpong-AI/tags","releases_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/nelsonwenner%2Fpingpong-AI/releases","manifests_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/nelsonwenner%2Fpingpong-AI/manifests","owner_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners/nelsonwenner","download_url":"https://codeload.github.com/nelsonwenner/pingpong-AI/tar.gz/refs/heads/master","sbom_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/nelsonwenner%2Fpingpong-AI/sbom","host":{"name":"GitHub","url":"https://github.com","kind":"github","repositories_count":259919455,"owners_count":22932071,"icon_url":"https://github.com/github.png","version":null,"created_at":"2022-05-30T11:31:42.601Z","updated_at":"2022-07-04T15:15:14.044Z","host_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub","repositories_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories","repository_names_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repository_names","owners_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners"}},"keywords":["ai","aprendizado","artificial-intelligence","inteligencia-artificial","inteligencia-computacional","machine","machine-intelligence","machine-learning","machine-learning-algorithms","machinelearning","machinelearning-python","neural-network","ping-pong-game","pingpong","python"],"created_at":"2024-11-14T17:07:41.520Z","updated_at":"2025-06-15T04:06:15.565Z","avatar_url":"https://github.com/nelsonwenner.png","language":"Python","funding_links":[],"categories":[],"sub_categories":[],"readme":"\u003ch1 align=\"center\"\u003e\n  \u003cimg src=\"https://user-images.githubusercontent.com/40550247/72228004-81071600-3581-11ea-9972-1cbe906001ed.png\" width=\"120px\" /\u003e\n\u003c/h1\u003e\n\n\u003ch1 align=\"center\"\u003e\n  Pingpong \nArtificial Intelligence \n\u003c/h1\u003e\n\n\u003cp align=\"center\"\u003e\n  \u003cimg alt=\"GitHub language count\" src=\"https://img.shields.io/github/languages/count/nelsondiaas/pingpong-IA?color=%2304D361\"\u003e\n\n  \u003ca href=\"https://github.com/nelsondiaas\"\u003e\n    \u003cimg alt=\"Made by @nelsondiaas\" src=\"https://img.shields.io/badge/made%20by-%40nelsondiaas-%2304D361\"\u003e\n  \u003c/a\u003e\n\n  \u003cimg alt=\"License\" src=\"https://img.shields.io/badge/license-MIT-%2304D361\"\u003e\n\n  \u003ca href=\"https://github.com/nelsondiaas/bookstore-frontend/stargazers\"\u003e\n    \u003cimg alt=\"Stargazers\" src=\"https://img.shields.io/github/stars/nelsondiaas/pingpong-IA?style=social\"\u003e\n  \u003c/a\u003e\n\u003c/p\u003e\n\n### Prerequisites\n* Python (\u003e= 3.6)\n\n## Getting Started\n1. Fork este repositório e clone em sua máquina\n2. Mude o diretório para `pingpong-IA` onde você o clonou;\n3. No terminal, execute:\n\n```bash\n/* Install dependencies */\n\n$ pip install -r requeriments.txt\n\n/* Coletar dados */\n\n$ python PingPongCollect.py\n\n/* Treinar dados */\n\n$ python NeuralNetwork.py\n\n/* Executar IA */\n\n$ python PingPongIA.py\n```\n\n### Neural Network\nA rede neural possui: uma camada de entrada de 2 neurônios, uma camada oculta de 30 neurônios e uma camada de saída de 1 neurônio. É possível personalizar a quantidade de neurônios de cada uma das camadas.\n\n\n## File Structure\n\n```bash\npingpong-IA\n├── src/\n│   ├── database/\n│   │   ├── controller/\n│   │   │   └── db.py\n│   │   ├── data/\n│   │   │   └── data-50.txt\n│   │   └── weights/\n│   │       ├── weight-w1.txt\n│   │       └── weight-w2.txt\n│   ├── network/\n│   │   └── NeuralNetwork.py\n│   ├── PingPongCollect.py\n│   └── PingPongIA.py\n├── .gitignore\n├── LICENSE.md\n├── README.md\n└── requeriments.txt\n```\n\n### Vision\nO objetivo desse jogo é fazer com que a palheta impeça a bolinha de tocar no chão. A implementação consiste no aprendizado de máquina supervisionado, portanto, teremos que passar ao jogo dados iniciais para que ele processe o aprendizado. A partir do arquivo ``src/PingPongCollect.py``, será executado o jogo para que você jogue, e sejam coletadas informações que serão usadas no aprendizado de sua máquina, então, os dados serão salvos em ``src/database/data``. Logo em seguida, você poderá treinar seus dados de duas formas. Na primeira forma, você poderá executar os dados coletados diretamente na rede neural sem precisar jogar, nesse caso, no ```terminal```, será impressa uma informação, que é a taxa de error do treinamento de sua rede neural, quanto menor a taxa, melhor, após isso, no final deste treinamento, serão salvos os pesos em ```src/database/weights``` (esses pesos são as informações dos neurônios treinados na sua rede neural, ou seja, eles funcionam como um cérebro com o conhecimento em si). Na segunda forma, você irá treinar a sua rede diretamente jogando, no caso, enquanto se joga, a rede treina. Para fazer a sua máquina jogar, você terá que executar o arquivo ```src/PingPongIA.py```. Nele, ou você seta os pesos emitidos pelo treinamento de sua rede ou não passar nenhum peso e deixar o aprendizado começar do zero.\n\n\u003ch1 align=\"center\"\u003e\n  \u003cimg src=\"https://user-images.githubusercontent.com/40550247/72691686-149e9080-3b06-11ea-863f-10a38f5f6e60.gif\"/\u003e\n\u003c/h1\u003e\n\n## License\n\nEsse projeto está sob a licença MIT. Veja o arquivo [LICENSE](LICENSE.md) para mais detalhes.\n\n---\n","project_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fnelsonwenner%2Fpingpong-ai","html_url":"https://awesome.ecosyste.ms/projects/github.com%2Fnelsonwenner%2Fpingpong-ai","lists_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fnelsonwenner%2Fpingpong-ai/lists"}