(i) Ορισμοί, Intrinsic & Model-Agnostic XAI Methods
(ii) PI (Permutation Feature Importance)
(iii) SHAP (Shapley Additive exPlanations)
(iv) LIME (Local Interpretable Model Agnostic Explanation)

(i) Μοντέλα Συσχετισμένης Μνήμης, Δίκτυα Hopfield
(ii) Ακολουθιακά Μοντέλα Δεδομένων & RNN
(iii) Δίκτυα Long Short-Term Memory (LSTM)

(i) Αλγόριθμοι Διαμόρφωσης CART (Classification And Regression Trees), Gini Index
(ii) Random Forests
(iii) Αλγόριθμοι Bagging (Bootstrap & aggregating)

(i) Μη-παραμετρικοί Ταξινομητές: Κ Πλησιέστερα Γειτονικά Στοιχεία (K-Nearest Neighbors – KNN)
(ii) Στατιστική Αξιολόγηση Δυαδικής Ταξινόμησης: Μετρικές Αξιολόγησης Μεθόδων, Μήτρα Σύγχυσης, ROC, AUC
(iii) Παραμετρική Πιθανοτική Ταξινόμηση: Εκτίμηση MLE & MAP, Ταξινομητής Bayes, Αλγόριθμος Naive Bayes

(i) Διαχωρισιμότητα Προτύπων, Θεώρημα του Cover
(ii) Radial-Basis Function (RBF) Networks
(iii) RBF Hybrid Learning
(iv) Support Vector Machines (SVM)

(i) Μάθηση Χρονικών Διαφορών, TD (Temporal Difference) Learning
(ii) Στοχαστικός Αλγόριθμος Q-Learning
(iii) Κατανεμημένη Υλοποίηση Ενισχυτικής Μάθησης
(iv) Αλγόριθμος Bellman-Ford, Δρομολόγηση BGP στο Internet

(i) Markov Decision Processes
(ii) Bellman’s Optimality Criterion
(iii) Αλγόριθμος Policy Iteration
(iv) Αλγόριθμος Value Iteration

(i) Μηχανή Boltzmann
(ii) Παραγωγικά (Generative) Στοχαστικά Νευρωνικά Δίκτυα
(iii) Generative Adversarial Networks (GAN)
(iv) Restricted Boltzmann Machine (RBM), Deep Belief Networks

(i) Αλγόριθμοι Metropolis & Metropolis-Hastings
(ii) Markov Random Fields, Ising Model
(iii) Προσομοιωμένη Ανόπτηση – Simulated Annealing
(iv) Gibbs Sampling