युनिट I : मशिन लर्निंग क्लासिक आणि अॅडॉप्टिव्ह मशीन्सचा परिचय, मशीन लर्निंग बाबी, मशीन लर्निंगच्या पलीकडे - डीप लर्निंग आणि बायो-प्रेरित अडॅप्टिव्ह सिस्टम, मशीन लर्निंग आणि बिग डेटा. मशीन लर्निंगचे महत्त्वाचे घटक - डेटा फॉरमॅट्स, शिकण्याची क्षमता, सांख्यिकीय शिक्षण पद्धती, माहिती सिद्धांताचे घटक. (अध्याय - 1) युनिट II : वैशिष्ट्य निवड स्किट - डेटासेट शिका, प्रशिक्षण आणि चाचणी संच तयार करणे, स्पष्ट डेटा व्यवस्थापित करणे, गहाळ वैशिष्ट्ये व्यवस्थापित करणे, डेटा स्केलिंग आणि सामान्यीकरण, वैशिष्ट्य निवड आणि फिल्टरिंग, तत्त्व घटक विश्लेषण (PCA) - नॉन नकारात्मक मॅट्रिक्स फॅक्टरायझेशन , स्पार्स पीसीए, कर्नल पीसीए. अॅटम एक्सट्रॅक्शन आणि डिक्शनरी लर्निंग. (अध्याय - 2) एकक III : प्रतिगमन रेखीय प्रतिगमन - रेखीय मॉडेल, द्वि-आयामी उदाहरण, रेखीय प्रतिगमन आणि उच्च आयाम, रिज, लॅसो आणि इलास्टिकनेट, यादृच्छिक नमुना सहमतीसह मजबूत प्रतिगमन, बहुपदी प्रतिगमन, समस्थानिक प्रतिगमन, रेखीय प्रतिगमन, रेखीय प्रतिगमन वर्गीकरण, लॉजिस्टिक रिग्रेशन, अंमलबजावणी आणि ऑप्टिमायझेशन, स्टोकास्टिक ग्रेडियंट डिसेंडंट अल्गोरिदम, ग्रिड शोधाद्वारे इष्टतम हायपर - पॅरामीटर्स शोधणे, वर्गीकरण मेट्रिक, आरओसी वक्र. (अध्याय - 3) एकक IV : नेव्ह बेज आणि सपोर्ट वेक्टर मशीन बायस प्रमेय, नेव्ह बेज क्लासिफायर्स, स्किटमध्ये नेव्ह बेज - शिका - बर्नौली नैव्ह बेज, मल्टीनॉमियल नेव्ह बेज आणि गॉसियन नेव्ह बेज. सपोर्ट वेक्टर मशीन (SVM) - लिनियर सपोर्ट वेक्टर मशीन्स, स्किट - अंमलबजावणी शिका - रेखीय वर्गीकरण, कर्नल आधारित वर्गीकरण, नॉन-लीनियर उदाहरणे, नियंत्रित सपोर्ट वेक्टर मशीन्स, सपोर्ट वेक्टर रीग्रेशन. (अध्याय - 4) युनिट V : निर्णय झाडे आणि एन्सेम्बल लर्निंग निर्णय झाडे - अशुद्धतेचे उपाय, वैशिष्ट्यांचे महत्त्व, निर्णय वृक्ष वर्गीकरण स्किटसह - शिका, एन्सेम्बल लर्निंग - रँडम फॉरेस्ट, अडाबूस्ट, ग्रेडियंट ट्री बूस्टिंग, व्होटिंग क्लासिफायर. क्लस्टरिंग फंडामेंटल्स - बेसिक्स, के - म्हणजे : क्लस्टर्सची इष्टतम संख्या शोधणे, DBSCAN, स्पेक्ट्रल क्लस्टरिंग, ग्राउंड ट्रुथवर आधारित मूल्यमापन पद्धती - एकजिनसीपणा, पूर्णता, समायोजित रँड इंडेक्स. मेटा क्लासिफायरचा परिचय: कमकुवत आणि उत्सुक शिकणाऱ्याच्या संकल्पना, एन्सेम्बल पद्धती, बॅगिंग, बूस्टिंग, यादृच्छिक जंगले. (अध्याय - 5) युनिट VI : क्लस्टरिंग तंत्र श्रेणीबद्ध क्लस्टरिंग, अपेक्षा जास्तीत जास्त क्लस्टरिंग, अॅग्लोमेरेटिव्ह क्लस्टरिंग - डेंड्रोग्राम, स्किटमध्ये अॅग्लोमेरेटिव्ह क्लस्टरिंग - शिका, कनेक्टिव्हिटी मर्यादा. शिफारस प्रणालींचा परिचय : भोळे वापरकर्ता आधारित प्रणाली, सामग्री आधारित प्रणाली, मॉडेल मुक्त सहयोगी फिल्टरिंग - एकवचनी मूल्य जमा करणे, कमीत कमी चौरस पर्यायी. डीप नेटवर्क्सची मूलभूत तत्त्वे : डीप लर्निंगची व्याख्या, डीप नेटवर्क्सची सामान्य वास्तुशिल्प तत्त्वे, खोल नेटवर्कचे बिल्डिंग ब्लॉक्स. (अध्याय - 6)