昆士兰大学的机器学习专业涵盖了多个方面，包括学习问题（如回归、分类、无监督、强化）、理论、神经网络、统计和概率模型、聚类、集成、实施问题，以及应用（如生物信息学、认知科学、预测、机器人学、信号和图像处理）。课程强调使用示例数据或以前的经验来解决给定问题的自适应算法的开发和应用，并可能包括实际演示。
课程要点包括：
1. 描述机器学习中使用的核心理论和概念框架。
2. 解释一系列不同机器学习模型的属性和功能，并能够将模型与适当的理论基础联系起来。
3. 制定算法，使用适当的数据实例化给定的机器学习模型。
4. 使用高级编程语言实现机器学习算法。
5. 运用机器学习方法在数据集上制定和执行实验，并对结果进行评估和反思。
6. 解释机器学习中使用的不同类型的技术之间的关系，以及机器学习和其他学科之间的关系。
7. 识别机器学习的潜在现实应用，并评估不同机器学习技术实现、算法、模型和理论对于给定应用的适用性。
此外，昆士兰大学计算机专业还专门设置了计算机科学与电子工程两个方向，并提供本科、硕士和博士课程。专业选修课包含多门前沿科技方向的课程，如机器学习、人工智能、分布式系统等。
建议学生在学习机器学习专业时，注重理论与实践的结合，通过实际项目和实验来加深对所学知识的理解，并积极探索其在各个领域的应用潜力。