| 1 | Yapay Zekaya Giriş | [1] s. 13-17, [2] Bölüm 1-2. |
| 2 | Veri Temelleri ve Veri Etiği | [1] Sunuş, [2] s. 44-53. |
| 3 | Makine Öğrenmesine Giriş | [1] s. 48-54, [3] Bölüm 18. |
| 4 | Denetimli Öğrenme: Sınıflandırma ve Regresyon | [1] s. 49-60. |
| 5 | Sınıflandırma Algoritmaları | [1] Bayes ve Karar Ağaçları |
| 6 | Regresyon Algoritmaları | [1] Regresyon Temelleri |
| 7 | Destek Vektör Makineleri (SVM) | [3] Bölüm 18 |
| 8 | Denetimsiz Öğrenme | [1] Kümeleme ve ML Yöntemleri |
| 9 | Yapay Sinir Ağlarına Giriş | [1] s. 101-107. |
| 10 | Derin Öğrenme Temelleri | [1] s. 174-180. |
| 11 | Evrişimli Sinir Ağları (CNN) | [1] s. 176. |
| 12 | Doğal Dil İşleme (NLP) | [2] s. 14, 48. |
| 13 | Etik, Güvenlik, KVKK, Risk Yönetimi | [2] s. 44. |
| 14 | Yapay Zekanın Geleceği | [2] s. 56. |