تُقدم هذه الدورة مقدمة شاملة لمفاهيم التعلم الآلي، مع التركيز على التعلم الموجَّه وغير الموجَّه. سيتعلم الطلاب كيفية تدريب النماذج باستخدام بيانات مُصنفة للتنبؤ بالنتائج (التعلم الموجَّه) واكتشاف الأنماط والأنماط الخفية في البيانات غير المُصنفة (التعلم غير الموجَّه). تشمل الدورة أمثلة عملية مثل تصنيف الصور، التنبؤ، تجميع البيانات، وتقليل الأبعاد، مما يُمكن الطلاب من فهم كيفية تطبيق هذه التقنيات في مجالات مختلفة.

تقدم هذه الدورة أساسيات الشبكات العصبية، والتي تُعد حجر الأساس لتعلم الآلة العميق. تغطي الدورة مواضيع مثل الخلايا العصبية (Perceptrons)، وظائف التنشيط، خوارزميات التغذية الأمامية والخلفية (Feedforward and Backpropagation)، وتحسين الشبكات. سيتعلم الطلاب تصميم وتدريب وتقييم الشبكات العصبية لمهام مثل التعرف على الصور، معالجة اللغة الطبيعية، والتحليلات التنبؤية. تتضمن الدورة مشاريع عملية لتزويد الطلاب بخبرة تطبيقية في بناء نماذج الشبكات العصبية باستخدام أطر عمل مثل TensorFlow أو PyTorch.

تُقدم هذه الدورة مبادئ التعلم التعزيزي، حيث يتعلم الوكلاء اتخاذ القرارات من خلال التفاعل مع بيئتهم لتحقيق أقصى قدر من المكافآت. تشمل المواضيع الرئيسية عمليات اتخاذ القرار ماركوف (Markov Decision Processes)، خوارزمية Q-Learning، تحسين السياسات، والتعلم العميق التعزيزي. سيستكشف الطلاب تطبيقات في الروبوتات، الألعاب، والأنظمة الذاتية من خلال مشاريع عملية باستخدام أدوات مثل OpenAI Gym وTensorFlow. بنهاية الدورة، سيكتسب الطلاب مهارات تصميم وتدريب وكلاء ذكيين للتعامل مع سيناريوهات واقعية.