جلسه اول - مقدمه و معرفی یادگیری ماشین

جلسه اول - مقدمه و معرفی یادگیری ماشین

جلسه دوم - تخمین ML و MAP

جلسه سوم - رگرسیون خطی

جلسه چهارم - رگرسیون 2

جلسه پنجم - خطای روی کل توزیع و مفاهیم بایاس و واریانس

جلسه ششم - رگرسیون با دیدگاه احتمالاتی، شروع دسته بندی خطی

جلسه هفتم - دسته‎بندهای خطی و دسته‎بندی چند دسته‌ای

جلسه هشتم - دسته‎بندهای احتمالاتی – دسته‎بند بيز

جلسه نهم - ادامه دسته‎بندهای احتمالاتی – رگرسيون لاجيستيک

جلسه دهم - دسته‌بند SVM

جلسه یازدهم - ادامه دسته‌بند SVM و کرنل

جلسه دوازدهم : ادامه کرنل و شروع بحث دسته‎بندهای درخت تصميم (ِDecision tree)

جلسه سیزدهم : ادامه درخت تصميم (ِDecision tree)

جلسه چهاردهم : تئوری يادگيری

جلسه پانزدهم: ادامه تئوری يادگيری

جلسه شانزدهم: يادگيری مبتنی بر نمونه (Instance-based)

جلسه هفدهم: ادامه بحث يادگيری مبتنی بر نمونه و شروع يادگيری جمعی (Bagging و Boosting)

جلسه هجدهم: ادامه روش AdaBoost و شروع بحث انتخاب ويژگی

جلسه نوزدهم: ادامه بحث انتخاب ويژگی و روش PCA

جلسه بيستم: ادامه بحث استخراج ويژگی و شروع خوشه‌‌بندی (clustering)

جلسه بیست و یکم

جلسه بیست و دوم

جلسه بیست و سوم