En preliminär struktur ges nedan:
Lecture 1. Introduktion
Lecture 2. PAC ram och empirisk riskminimering
Lecture 3. Koncentrationsskillnader
Lecture 4. Vapnik-Chervonenkis (VC) Teori
Lecture 5. Linjär klassificering och regression
Lecture 6. Regularisering, stabilitet och optimering
Lecture 7. Stöd vektormaskiner och kärnmetoder
Lecture 8. Deep neural nätverk
Lecture 9. Kluster. Cluster validering och algoritmer
Lecture 10. Förstärkningslärning: modellfri vs modellbaserade algoritmer
Lecture 11. Förstärkningslärning: funktion approximation och djup RL