- مفاهیم یادگیری ماشین و الگوریتم‌های آن، از جمله نظارت شده، غیرنظارتی، تقویتی و ترکیبی - کاربرد شبکه‌های عصبی، CNN، RNN، و LSTM در استخراج ویژگی، حافظه و دسته‌بندی داده‌ها - مفهوم Overfitting، روش‌های جلوگیری مانند Dropout و Regularization - تفاوت‌های بین طبقه‌بندی و خوشه‌بندی، و نقش معیارهای ارزیابی در آن‌ها - نقش منطق فازی، الگوریتم‌های ژنتیک، Q-Learning، و الگوریتم‌های مبتنی بر درخت تصمیم - اهمیت Explainable AI در سیستم‌های پزشکی و نیاز به تفسیر نتایج - کاربردهای عملی و ابزارهای محبوب در حوزه Deep Learning، مانند TensorFlow و دیگر تکنیک‌های کاهش ابعاد و بهبود مدل‌ها