1. परिचय : अभ्यासक्रमाची व्याप्ती, AI चा परिचय, AI च्या इतिहासाचा संक्षिप्त आढावा, संबंधित फील्ड. (अध्याय - 1) 2. कृत्रिम न्यूरल नेटवर्क्सचा परिचय : जैविक न्यूरॉन्स आणि जैविक न्यूरल नेटवर्क, कृत्रिम न्यूरल नेटवर्क, सक्रियकरण कार्ये, परसेप्ट्रॉन एनएन, मल्टीलेअर परसेप्टरॉन एनएन, बॅक-प्रोपेगेशन न्यूरल नेटवर्क्स, प्रशिक्षण पद्धती, पर्यवेक्षित आणि अनपेक्षित लर्निंगची मूलभूत व्याख्या . (अध्याय - 2) 3. मशीन लर्निंगचा परिचय : परिचय (शिक्षणाचे विविध प्रकार) गृहीतक जागा, प्रेरक पूर्वाग्रह, मूल्यमापन आणि क्रॉस प्रमाणीकरण. (अध्याय - 3) 4. मशीन लर्निंगमध्ये वापरलेले मुख्य अल्गोरिदम : लीनियर रिग्रेशन, डिसीजन ट्री, लर्निंग डिसिजन ट्री, के-नजीकचे शेजारी, सहयोगी फिल्टरिंग, ओव्हरफिटिंग, डायमेंशनॅलिटी रिडक्शन टेक्निक : फीचर सिलेक्शन, फीचर एक्सट्रॅक्शन. (अध्याय - 4) 5. लॉजिस्टिक रीग्रेशन आणि सपोर्ट वेक्टर मशीन लॉजिस्टिक रिग्रेशन, सपोर्ट वेक्टर मशीनचा परिचय, द ड्युअल फॉर्मेशन, नॉइजसह कमाल मार्जिन, नॉनलाइनर एसव्हीएम आणि कर्नल फंक्शन, एसव्हीएम: दुहेरी समस्येचे निराकरण. (अध्याय - 5) 6. प्रगत शिक्षण पद्धती आणि क्लस्टरिंग : क्लस्टरिंगचा परिचय, के-म्हणजे क्लस्टरिंग, समूह श्रेणीबद्ध क्लस्टरिंग, अर्ध-पर्यवेक्षित आणि मजबुतीकरण शिक्षणाची मूलभूत माहिती, सखोल शिक्षणाचा परिचय. (अध्याय - 6) 7. फजी लॉजिक : परिचय, पारंपारिक संच विरुद्ध फजी सेट, फजी सेटचे ऑपरेशन्स, मेंबरशिप फंक्शन, फजी रुल्स, फजी इन्फरन्स, डी-फझिफिकेशन, अॅप्लिकेशन फॉर कंट्रोल. (अध्याय - 7) 8. अनुवांशिक अल्गोरिदम : परिचय, पारंपारिक ऑप्टिमायझेशन तंत्राशी तुलना, GA साठी चरण, पुनरुत्पादन, क्रॉसओवर, उत्परिवर्तन, GA चे टर्मिनेशन पॅरामीटर, ऍप्लिकेशन. (अध्याय - 8)