Lecture 01 : AIML চারপাশের নানা উদাহরণ (AI/ML all around us)
Lecture 02 : AI/ML এর উপকরণ (Ingredients of AI/ML)
Lecture 03 : Supervised এবং Unsupervised Learning (তত্ত্বাবধানে ও তত্ত্বাবধানহীন শিক্ষা)
Lecture 04 : ML Model ও Algorithm/লেকচার 04 : এমএল মডেল ও অ্যালগরিদম
Lecture 05 : AI /ML problem -এর গঠন /এআই/এমএল সমস্যা - এর গঠন /Anatomy of an AI/ML problem
Lecture 06 : K-nearest-neighbor classification/regression/K-নিকটবর্তী-প্রতিবেশী শ্রেণীবিভাগ/রিগ্রেশন
Lecture 07 : নৈপুণ্যের পরিমাপ : Accuracy, Precision, Recall, Confusion
Lecture 08 : Discriminative Feature Selection
Lecture 09 : Decision Tree Algorithm/সিদ্ধান্তলতিকা
Lecture 10 : classifier -এর সমষ্টি ও Random Forests/Ensemble Classifier and Random Forests
Lecture 11 : Probability Theory ফিরে দেখা/Review of Probability Theory
Lecture 12 : Bayesian এবং Naïve Bayes Classifier
Lecture 13 : Linear Algebra ফিরে দেখা/Review of Linear Algebra
Lecture 14 : Linear Classifiers এবং Perceptron Algorithm
Lecture 15 : Multi-class Linear Classifier এবং Logistic Regression
Lecture 16 : Optimization ফিরে দেখা/Review of Optimization
Lecture 17 : Linear (সরল) ও Regularized (পরিশোধিত) Regression
Lecture 18 : Max-margin Linear Classification/সর্বোচ্চ ব্যবধানের শ্রেণীবিভাজন
Lecture 19 : কৃত্রিম স্নায়ুতন্ত্র/Basic Neural Networks
Lecture 20 : Neural Network গঠন ও Backpropagation
Lecture 21 : Overfitting and Underfitting
Lecture 22 : Boosting-এর মাধ্যমে সমষ্টিবদ্ধ অনুমান/Ensemble Classification through Boosting
Lecture 23 : Data র মাত্রা (dimensionality) নিয়ন্ত্রণ/Dimensionality Reduction
Lecture 24: শ্রেণী ও বৈশিষ্টের মানের অসাম্য/Class Imbalance
Lecture 25 : Supervised Learning অভিযান/An Expedition in Supervised Learning
Lecture 26 : Hierarchical Clustering/স্তরভিত্তিক গোষ্ঠীকরণ
Lecture 27 : K-means Clustering/ K-গড় গোষ্ঠীকরণ
Lecture 28 : Evaluation of Clustering/গোষ্ঠীকরণের মূল্যায়ন
Lecture 29 : Mean-shift এবং DB-Scan গোষ্ঠীকরণ
Lecture 30 : Graph-based Clustering/গোষ্ঠীকরণ
Lecture 31 : Time-series/সময়ক্রমের বিশ্লেষণ
Lecture 32 : ব্যতিক্রমী উদাহরণ চিহ্নিতকরণ/Anomaly Detection
Lecture 33 : Image/চিত্র বিশ্লেষণ/Image Analysis
Lecture 34 : Neural Features for Images
Lecture 35 : লিখিত Data ও ভাষা বিশ্লেষণ/Text and Natural Language Processing
Lecture 36 : Sequential Neural Models and Natural Language Processing
Lecture 37 : সৃষ্টিমূলক/Generative Models, Reinforcement Learning
Lecture 38 : Transfer Learning and Domain Adaptation
Lecture 39 : নীতি, নিরপেক্ষতা ও বোধগম্যতা/Ethics, Bias and Interpretability in ML