O Aprendizado por Reforço é um subcampo do Aprendizado de Máquina e pode ser definido como um problema de aprendizado. Um sistema inteligente que enfrenta esse problema, entende a partir de recompensas, se as ações que está realizando no ambiente são boas ou ruins. Existem vários métodos e técnicas encontradas na literatura para resolver os problemas de aprendizado por reforço, no entanto, cada uma delas possuem suas vantagens e desvantagens. A partir disso, esse trabalho apresenta uma biblioteca de aprendizado por reforço, chamada AI-RLLibrary. A AI-RLLibrary é uma biblioteca que possui o objetivo de facilitar, organizar e promover a reusabilidade de código, para a implementação de sistemas que possuem esse problema de aprendizado. Para a sua construção, foi realizado um levantamento bibliográfico dos principais métodos que solucionam o problema de aprendizado por reforço, visando a análise estatística dos mesmos, com o objetivo de encontrar vantagens e desvantagens e a partir dos resultados obtidos, modelar e implementar a biblioteca com base no método que obteve melhor exito na análise. Nesta dissertação está descrito todo o processo deste trabalho, desde o levantamento bibliográfico a análise dos métodos e construção da biblioteca.