هدف از یادگیری ماشین بدون نظارت، یافتن الگوهای نهفته در داده‌های بدون برچسب (بدون نظارت انسانی) است. تخمین توزیع، خوشه‌بندی و کاهش بُعد، از زیرشاخه‌های اصلی این مبحث هستند که در این درس مفاهیم پایه‌ای و روش‌های شاخص هر کدام پوشش داده خواهند شد. علاوه بر مفاهیم و روش‌ها، کاربردهای متعدد روش‌های بدون نظارت هم مورد بررسی قرار خواهد گرفت.

مخاطبان:

دانشجویان و فارغ‌التحصیلان دانشگاه که قصد ورود به بازار علوم‌داده و هوش مصنوعی را دارند.
کارشناسان و علاقه‌مندان به علوم‌داده و هوش مصنوعی

پیش‌نیاز: 
1- آشنایی با آمار و احتمالات و جبر خطی یا گذراندن دوره «ریاضیات کاربردی در هوش مصنوعی و علوم داده» در آکادمی همراه اول 
۲-  آشنایی با برنامه‌نویسی پایتون یا گذراندن دوره «جامع برنامه‌نویسی پایتون» در آکادمی همراه اول
۳- آشنایی با یادگیری ماشین نظارت شده یا گذراندن دوره «یادگیری ماشین نظارت شده» در آکادمی همراه اول

نحوه ارزیابی:
۴۰ درصد آزمون پایانی

۶۰ درصد پروژه پایانی