- Passo 1: Instale via pip: pip install dataenvgym
- Passo 2: Importe a biblioteca e escolha um ambiente: from dataenvgym import DataCleaningEnv
- Passo 3: Instancie e configure: env = DataCleaningEnv(config)
- Passo 4: Crie ou importe um agente RL compatível com Gym
- Passo 5: Execute o ciclo de treinamento: for episode in range(n): obs = env.reset(); done = False; enquanto não done: action = agent.act(obs); obs, reward, done, info = env.step(action)
- Passo 6: Avalie e registre os resultados usando ferramentas de benchmarking integradas
- Passo 7: Personalize ou combine ambientes para simulações avançadas de pipelines de dados