​1) تعریف یادگیری‌ماشین و کاربرهای آن

2) انواع یادگیری (نظارتی - بدون نظارت - تقویتی)

3) آشنایی و پیش‌پردازش داده‌ها

4) تقسیم داده‌ها (Train - Test Split)

5) Linear Regression

6) Logestic Regression

7) KNN

8) Naive Bayes

9) SVM - Support Vector Machine

10) Decision Tree

11) Random Forest 

12) متریک‌های ارزیابی

13) Cross Validation

14) انتخاب ویژگی

15) پروژه نهایی

​​ سرفصل‌های ترم Machine Learning