Przegląd metod w SUS: Uczenie z nadzorem, uczenie bez nadzoru, uczenie ze wzmocnieniem. Proste klasyfikatory: KNN, Naive Bayes.
Sprawy organizacyjne

Macierz błędu, przedział ufności, techniki Walidacji krzyżowej (CV-k) i Bootstrapping

Działanie i metody konstrukcji drzew decyzyjnych, technika przycinania drzew

Działanie, struktury i metody uczenia sieci neuronowych; algorytm Propagacji Wstecznej

Algorytmy k centroidów ( k-means), hierarchiczne i rozmyte (fuzzy clustering)

Znane techniki w teorii zbiorów przybliżonych

Statystyczna teoria uczenia się, pojęcia PAC learning, wyuczalności przestrzeni hipotez, wymiar Vapnika-Chervonenkisa (VC-dim)

Podstawowe twierdzenia w teorii uczenia się. Non-free lunch Theorem

Jedna z t.z. Kernel methods in machine learning

Algorytm Ada-Boost, Algorytm Baum-Welcha

Proces decyzyjny Markowa, algorytmy Dynamic programming (DP), Monte Carlo (MC), Temporal Difference Learning (TD), Sarsa, Q learning, ...

Wprowadzenie, Głębokie Sieci konwolucyjne (CNN)

Głębokie Sieci Rekurencyjne (RNN) i model Neural Turing Machine

Np. Sieci Hopfielda oraz Głębokie Maszyny Boltzmanna