मशीन लर्निंग अध्ययन का क्षेत्र है जो कंप्यूटर को डेटा से सीखने की क्षमता देता है, लगभग हर वैज्ञानिक अनुशासन के केंद्र में है, और डेटा से सामान्यीकरण (यानी भविष्यवाणी) का अध्ययन मशीन सीखने का केंद्रीय विषय है। यह कोर्स मशीन लर्निंग का स्नातक स्तर का परिचय देता है और मशीन लर्निंग में नए और उन्नत तरीकों के साथ-साथ उनके अंतर्निहित सिद्धांत का गहन कवरेज देता है। यह व्यावहारिक प्रासंगिकता के साथ दृष्टिकोणों पर जोर देता है और मशीन लर्निंग के कई हालिया अनुप्रयोगों पर चर्चा करता है, जैसे डेटा माइनिंग (बिग डेटा / डेटा साइंस, डेटा एनालिटिक्स में), प्राकृतिक भाषा प्रसंस्करण, कंप्यूटर विजन, रोबोटिक्स, जैव सूचना विज्ञान और टेक्स्ट और वेब डेटा प्रोसेसिंग। मशीन लर्निंग का उपयोग वित्तीय सेवाओं, तेल और गैस, स्वास्थ्य देखभाल, विपणन और विज्ञापन, सरकार, इंटरनेट और इंटरनेट ऑफ थिंग्स सहित विभिन्न उद्योगों में किया जाता है।
इस कोर्स में कई सीखने के प्रतिमान, एल्गोरिदम, सैद्धांतिक परिणाम और अनुप्रयोग शामिल हैं। यह कृत्रिम बुद्धिमत्ता, सूचना सिद्धांत, सांख्यिकी, और नियंत्रण सिद्धांत से बुनियादी अवधारणाओं का उपयोग करता है क्योंकि वे मशीन सीखने के लिए प्रासंगिक हैं। विषयों में शामिल हैं: पर्यवेक्षित शिक्षण (जनरेटिव / भेदभावपूर्ण शिक्षा, पैरामीट्रिक / गैर-पैरामीट्रिक अधिगम, तंत्रिका नेटवर्क, सपोर्ट वेक्टर मशीन, निर्णय वृक्ष, बायेसियन सीखने और अनुकूलन); अनुपयोगी शिक्षा (क्लस्टरिंग, आयामीता में कमी, गिरी हुई विधियाँ); सीखने के सिद्धांत (पूर्वाग्रह / भिन्नता व्यापार); वीसी सिद्धांत; बड़े मार्जिन)। सुदृढीकरण सीखने और अनुकूली नियंत्रण। अन्य विषयों में HMM (हिडन मार्कोव मॉडल), इवोल्यूशनरी कम्प्यूटिंग, डीप लर्निंग (विद न्यूरल नेट्स) और डिजाइनिंग एल्गोरिदम शामिल हैं, जिनके प्रदर्शन को मौलिक मशीन सीखने की समस्याओं के लिए कड़ाई से विश्लेषण किया जा सकता है।
पाठ्यक्रम का एक महत्वपूर्ण हिस्सा एक समूह परियोजना है। समानांतर, वितरित और स्केलेबल मशीन लर्निंग के लिए उपयोग किए जाने वाले प्रमुख ओपन सोर्स टूल परियोजनाओं को करने वाले छात्रों की मदद करने के लिए संक्षिप्त रूप से कवर किए जाएंगे। (4 इकाइयाँ) पूर्वापेक्षाएँ: कोई नहीं।
