يعتبر التعلم الآلي أمرًا أساسيًا لاتخاذ القرارات المستندة إلى البيانات في العديد من المجالات اليوم. تتناول هذه الرحلة ماهية خوارزميات التعلم الآلي وكيفية تنفيذها وتقييمها. وسيتم التركيز على فهم مفاهيم التعلم الآلي وهندسة الميزات وتحويلات البيانات قبل تنفيذ نماذج التعلم الآلي. فهم وتنفيذ وتقييم نماذج التعلم الأساسية الخاضعة للإشراف مثل الانحدار الخطي واللوجستي. سنتعرف على الخوارزميات الشائعة الخاضعة للإشراف مثل Naive Bayes Classifier وSupport Vector Machines وK-Nearest Neighbours وDecision Trees، وفهم كيفية عمل أنظمة التوصية وكيفية بنائها وتقييمها. إتقان خوارزميات التعلم غير الخاضعة للرقابة مثل تحليل المكونات الرئيسية وتجميع الوسائل K.