Le cours "Apprentissage Automatique" est structuré en dix chapitres principaux, progressant des concepts fondamentaux aux techniques plus avancées et à leurs applications.

• Chapitre 01 : Introduction
• Chapitre 02 : Apprentissage supervisé
• Chapitre 03 : Arbres de décision
• Chapitre 04 : Classificateur de Bayes
• Chapitre 05 : La régression logistique
• Chapitre 06 : Machine à vecteurs de supports (SVM)
• Chapitre 07 : Les réseaux de neurones
• Chapitre 08 : Classification et groupement de données (Apprentissage non supervisé)
• Chapitre 09 : Réduction de la dimensionnalité de données
• Chapitre 10 : Applications