李宏毅机器学习2022春季-第十二课和HW12

李宏毅2022课程视频全部以线上视频的形式给出（已经全部录好，你可以选择短时间全部学完），上课时间会直播讲解额外的内容（可以不听）和作业（建议一定要做），目前已更新到作业十二。

第十二课主要内容是Reinforcement Learning(RL, 强化学习)，主要是通过actor和environment的互动，根据不同的reward来更新模型，相对于传统的supervised learning，主要区别是训练资料收集的环节，RL是边训练边收集资料，详细课程内容见课程视频。

• 课程视频：

  b站视频号：机器学习手艺人

  https://www.bilibili.com/video/BV1Z34y1C7sj

• Github：课堂和作业课件及基础代码

  https://github.com/yaoweizhang/LHY2022-SPRING

作业十二需要使用kaggle或者colab下载代码、训练数据集、模型等资料，文末也有助教代码和训练数据集的获得方式。

• 作业任务：

  Lunar Lander(月球着陆)，训练飞行器月球着陆，作业基于OpenAI的gym框架（只有linux系统可用），需要实现包括Policy Gradient， Actor-Critic等算法。

• 提交地址（非选修生用不了）：

  https://ml.ee.ntu.edu.tw/hw12/

  截止日期：

  2022/06/10 23:59（北京时间），去冲榜吧。

• 评分：学生通过改进代码提升着陆能力。

• QQ交流群：156013866

作业十二助教代码和数据获得方式：

1. 关注微信公众号 “机器学习手艺人” 

2. 后台回复关键词：202212