Mata kuliah Machine Learning merupakan mata kuliah berbasis project dengan prasyarat telah menempuh mata kuliah Aljabar Matriks, dan Konsep Dasar Kecredasan Artifisial. Mata kuliah ini membahas prinsip, algoritma, dan penerapan pembelajaran mesin dalam perspektif pemodelan dan prediksi. Pembahasan mencakup perumusan permasalahan pembelajaran, representasi data dan fitur, kapasitas model, overfitting, underfitting, dan generalisasi sebagai landasan dalam membangun model pembelajaran mesin yang efektif. Materi mencakup pendekatan supervised learning, unsupervised learning, dan reinforcement learning, meliputi algoritma klasifikasi, regresi, dasar jaringan saraf tiruan, kernel learning, support vector machine, dimensionality reduction, clustering, optimasi, dan ensemble methods, serta pembelajaran berbasis urutan temporal dan sistem rekomendasi. Konsep-konsep tersebut diterapkan pada berbagai jenis data, termasuk citra, data temporal, dan data berdimensi tinggi, melalui tahapan perumusan masalah, prapemrosesan data, pemodelan, evaluasi, interpretasi, dan implementasi solusi pembelajaran mesin.
