机器学习考研的科目通常包括以下几门：
思想政治理论：
这是所有考研学生都必须参加的科目，主要测试学生对马克思主义基本原理、中国特色社会主义理论、时事政治等内容的理解和掌握。
英语：
英语也是研究生入学考试的必考科目，主要包括英语阅读理解、翻译、写作等，用以评估学生的英语语言能力。
数学：
人工智能领域通常要求较强的数学基础，考试内容可能包括高等数学、线性代数、概率论与数理统计等。这些数学知识是进行算法开发和数据分析的基础。
计算机专业基础综合：
这门课程涵盖了计算机体系结构、操作系统、数据结构、算法等内容，主要测试候选人在理解和设计有效算法及数据处理能力方面的技能。
专业课：
不同院校的专业课设置可能有所不同，但一般都会涉及机器学习算法、深度学习、神经网络等课程。这些课程旨在帮助学生系统地掌握人工智能领域的基本理论和知识。
具体到机器学习部分，考研的科目和范围可能包括：
机器学习基础算法：如贝叶斯学习、Q学习、归纳学习、决策树构建算法等。
统计学习分类器：包括各种分类算法及其原理和应用。
模型评估与选择：如经验误差与过拟合、评估方法、性能度量、比较检验等。
线性模型：如线性回归、对数几率回归、线性判别分析等。
决策树：如决策树基本流程、划分选择、剪枝处理等。
神经网络：如神经元模型、感知机与多层网络、误差逆传播算法等。
支持向量机：如间隔与支持向量、对偶问题、核函数等。
贝叶斯分类：如贝叶斯决策论、参数化估计方法、朴素贝叶斯分类器等。
集成学习：如个体与集成、Boosting、Bagging、随机森林等。
建议考生根据目标院校的具体科目设置进行针对性的复习，同时可以参阅相关教材和笔记，以巩固所学知识。