ภาพรวมวิทยาการข้อมูล กระบวนการทำวิทยาการข้อมูล เช่น CRISP-DM วิธีการแบบมีผู้สอน เช่น การถดถอยเชิงเส้น การสร้างต้นไม้ตัดสินใจ นาอีฟเบส์ขั้นตอนวิธีการเพื่อนบ้านใกล้ที่สุด โครงข่ายประสาทเทียม ซัพพอร์ตเวกเตอร์แมทชีน และการถดถอยโลจิสติก ปัญหาการเข้ากันได้มากเกิน วิธีการทดสอบประสิทธิภาพของโมเดล เช่น การทดสอบด้วยวิธีกันข้อมูลและการทดสอบแบบไขว้วิธีการแบบไม่มีผู้สอน เช่น การแบ่งกลุ่มข้อมูลแบบเคมีน การแบ่งกลุ่มข้อมูลแบบขั้นตอน การแบ่งกลุ่มข้อมูลเชิงพื้นที่ตามความหนาแน่น อัลกอริทึมเอไพรออริเอฟพี-กโรธอัลกอริทึม และอัลกอริทึมเจอเนอร์รอลไลซ์ซีเควนเซียลแพทเทิร์น เมทริกซ์การประเมินผล ภาพจำลองประสิทธิภาพ การทำเหมืองข้อความ ไพธอนและแพลตฟอร์มส าหรับการทำวิทยาการข้อมูล หัวข้อวิจัยด้านศาสตร์ข้อมูล

Data science overview, Data science Lifecycle; CRISP-DM, supervised methods; linear regression, Decision Tree Induction, Naïve Bayes, K-Nearest Neighbor Algorithm, Neural Networks, Support Vector Machines and Logistics Regression, Overfitting Problems, Model Validation Techniques; Holdout Validation and Cross Validation, Unsupervised methods; K-Means Clustering, Hierarchical Clustering, Density Based Clustering, Apriori Algorithm, FP Growth Algorithm and Generalized Sequential Pattern Algorithm, Matrix, Visualize Model Performance, Text Mining, Python and Data Science Platforms for Data Science, Research Topics in Data Sciences.