التعلم الخاضع للإشرافخوارزميات الانحدار (Regression) والتصنيف (Classification) المتقدمة: الانحدار اللوجستي، أشجار القرار، الغابات العشوائية، آلات المتجهات الداعمة (SVM).التعلم غير الخاضع للإشرافخوارزميات التجميع (Clustering) مثل K-Means و DBSCAN، وتقليل الأبعاد (Dimensionality Reduction) مثل تحليل المكونات الرئيسية (PCA).هندسة الميزات وتقييم النموذجطرق إنشاء ميزات جديدة (Feature Engineering)، ومقاييس التقييم المتقدمة (Precision, Recall, F1 Score)، ومعالجة مشكلة التناسب الزائد (Overfitting).مقدمة في الشبكات العصبية والتعلم العميقشرح بنية الشبكة العصبية، خوارزمية الانتشار العكسي (Backpropagation)، وبدء استخدام مكتبات التعلم العميق (مثل TensorFlow أو PyTorch).معالجة البيانات الضخمة (Big Data)التعامل مع مجموعات البيانات الكبيرة وأدوات مثل Spark (كمقدمة).بيئات العمل والأدواتاستخدام بيئات مثل Google Colab، وإدارة المشاريع باستخدام Git/GitHub.مشاريع تطبيقية متوسطةبناء نماذج للتنبؤ، وأنظمة توصية بسيطة.