- Étape 1 : Installer via pip : pip install dataenvgym
- Étape 2 : Importer la bibliothèque et choisir un environnement : from dataenvgym import DataCleaningEnv
- Étape 3 : Instancier et configurer : env = DataCleaningEnv(config)
- Étape 4 : Créer ou importer un agent RL compatible avec Gym
- Étape 5 : Exécuter la boucle d'entraînement : for episode in range(n): obs = env.reset(); done = False; while not done: action = agent.act(obs); obs, reward, done, info = env.step(action)
- Étape 6 : Évaluer et enregistrer les résultats en utilisant les outils de benchmarking intégrés
- Étape 7 : Personnaliser ou combiner des environnements pour des simulations avancées de pipelines de données