Machine Learning (ML) нь компьютерт өгөгдлөөс суралцах чадварыг өгдөг судалгааны талбар бөгөөд бараг бүх шинжлэх ухааны салбаруудын гол цөм байдаг бөгөөд өгөгдлөөс нэгтгэн дүгнэх (өөрөөр хэлбэл урьдчилан таамаглах) нь машин сургалтын гол сэдэв юм. . Энэхүү сургалт нь төгсөгчдийн түвшний машин сургалтын талаархи танилцуулга, машин сургалтын шинэ, дэвшилтэт аргууд, тэдгээрийн үндсэн онолыг гүнзгийрүүлэн тайлбарлах болно. Энэ нь практик ач холбогдолтой арга барилыг онцолж, өгөгдөл олборлох (том өгөгдөл / мэдээллийн шинжлэх ухаан, мэдээллийн аналитик), байгалийн хэл боловсруулах, компьютерийн хараа, робот техник, биоинформатик, текст ба вэб өгөгдөл боловсруулах зэрэг сүүлийн үеийн машин сургалтын хэд хэдэн хэрэглээг авч үздэг. Machine Learning нь санхүүгийн үйлчилгээ, газрын тос, байгалийн хий, эрүүл мэнд, маркетинг, сурталчилгаа, засгийн газар, интернет, зүйлсийн интернет зэрэг янз бүрийн салбарт ашиглагддаг.
Энэхүү сургалт нь сургалтын парадигм, алгоритм, онолын үр дүн, хэрэглээний олон төрлийг хамардаг. Энэ нь хиймэл оюун ухаан, мэдээллийн онол, статистик, хяналтын онол зэрэг үндсэн ойлголтуудыг машин сурахад хамааралтай хэмжээгээр ашигладаг. Сэдвүүдэд дараахь зүйлс орно: хяналттай сургалт (генератив / ялгаварлан гадуурхах, параметрийн / параметрийн бус сургалт, мэдрэлийн сүлжээ, дэмжлэгийн вектор машин, шийдвэрийн мод, Байесийн сурах ба оновчлол); хараа хяналтгүй суралцах (бөөгнөрөл, хэмжээст байдлыг багасгах, цөмийн аргууд); сурах онол (хазайлт / дисперсийн солилцоо; VC онол; том маржин); арматурын сургалт ба дасан зохицох хяналт. Бусад сэдвүүд нь HMM (Hidden Markov Model), Evolutionary Computing, Deep Learning (With Neural Nets) ба алгоритмуудыг зохиох, тэдгээрийн гүйцэтгэлийг машин сурах үндсэн асуудлуудад нарийвчлан шинжлэх боломжтой юм.
Хичээлийн чухал хэсэг бол бүлгийн төсөл юм. Зэрэгцээ, түгээх, өргөтгөх машин сурахад ашиглагддаг томоохон нээлттэй эх сурвалжуудыг төсөл хэрэгжүүлж байгаа оюутнуудад зориулж товч танилцуулна. (4 нэгжүүд) Урьдчилсан шаардлага: Байхгүй.