Dimensionalitetsreduktion (Del I). Denna del introducerar verktyg för att hitta lågdimensionella representationer av högdimensionella data, vilket gör det möjligt att effektivt lagra, överföra och analysera data.
Maskininlärning och dataanalys (Del II). Detta avsnitt ger en översikt av aspekter av dataanalys, från klassisk kurvanpassning till neurala nätverk och djupinlärning, och bygger på det material som introducerades i del I.
Dynamik-, kontroll- och reducerad ordningsmodeller (Del III). I denna antas att de data som studeras kommer från vissa underliggande fysiska lagar (i samband med dynamiska system, solidmekanik, fluidmekanik, etc.), som kan läras / approximeras från data eller från någon kombination av data och fysik.
Projekt (Del IV). Tillämpning av de tekniker som utvecklats i denna kurs (eller förlängningar därav) på en datamängd /problem som de själv väljer.