孩子們將從最基礎的機器學習概念開始，了解電腦如何學習和做出決策。通過動手實踐，他們將親自操作編程工具，學會如何訓練模型、進行數據分析、解決現實生活中的問題。
1. 預備知識---python程式(2小時)
(1) python程式基本語法和結構的講解及練習
(2) Numpy和Pandas模組安裝和說明

2. 人工智慧與哲學和物理之關係(1小時)
(1) 哲學家大衛.休謨(David Hume):我們應該怎樣才能合理的從自己已經親眼看到的事物，歸納到我們還沒有看過的呢?
(2) 從物理發展的歷史可以看到人工智慧演進的軌跡。給機器學習各種物理實驗的結果，它能從中發現物理定律。

3. 感知器的模型認識(1小時)
(1) 感知器是一種非常單純的模型，除了機器學習外它可說是神經網路及深度學習的源頭模型。

4. 機器學習方法介紹---迴歸和分類(6小時)
(1) 種類和方法:迴歸有線性迴歸和非線性迴歸及隨機梯度下降方法介紹;分類有感知器和邏輯迴歸等。
(2) 程式設計和說明:有鳶尾花種類的分類､美國加州房價預測､鐵達尼號乘客之存活分析等。
(3) 模型評估和驗證:用混淆矩陣(Confusion Matrix)､準確度(Accuracy)､精密度(Precsion)等方法。
(4) 類題練習

5. 延伸思考(1小時)
(1) 如何用機器學習去製作學習歷程檔案---結合學校課程和機器學習方法，思考如何去解決問題，完成一份類似小論文的報告。
(2) 可根據上課所學的方法，找尋有興趣的題目，做出一份自主學習報告。

6. 其他演算法介紹(1小時)
(1) 監督式學習（Supervised Learning）：支持向量機（SVM，Support Vector Machine）､決策樹（Decision Tree）､隨機森林（Random Forest）
(2) 非監督式學習（Unsupervised Learning）：K均值聚類（K-means Clustering）､主成分分析（PCA,Principal Component Analysis）