- Paso 1: Instalar vía pip: pip install dataenvgym
- Paso 2: Importar la librería y escoger un entorno: from dataenvgym import DataCleaningEnv
- Paso 3: Instanciar y configurar: env = DataCleaningEnv(config)
- Paso 4: Crear o importar un agente RL compatible con Gym
- Paso 5: Ejecutar el ciclo de entrenamiento: for episode in range(n): obs = env.reset(); done = False; while not done: action = agent.act(obs); obs, reward, done, info = env.step(action)
- Paso 6: Evaluar y registrar resultados utilizando las herramientas de benchmarking integradas
- Paso 7: Personalizar o combinar entornos para simulaciones avanzadas de pipelines de datos