กระบวนการทำวิทยาการข้อมูล เช่น CRISP-DM การรวบรวมข้อมูล การอธิบายข้อมูลด้วยหลักการทางสถิติ การสำรวจข้อมูล การทำความสะอาดข้อมูล การสร้างข้อมูลใหม่ การรวมข้อมูลจากหลายแหล่งข้อมูล การแปลงข้อมูล ปัญญาประดิษฐ์และการเรียนรู้ของเครื่องเบื้องต้น ไพธอนสำหรับการวิเคราะห์ข้อมูล เช่น นัมไพ แพนดาส ไพธอนสำหรับการแสดงข้อมูลด้วยภาพ ไพธอนสำหรับปัญญาประดิษฐ์และการเรียนรู้ของเครื่อง ไพธอนสำหรับการวิเคราะห์ข้อมูลขนาดใหญ่ การประยุกติ์ใช้วิทยาการข้อมูลในด้านต่างๆ เช่น การพยากรณ์ข้อมูล การรู้จำรูปภาพ คอมพิวเตอร์วิทัศน์ การประมวลผลข้อความ

Data Science Lifecycle such as CRISP-DM, Data Collection, Data Description using descriptive statistics, Data exploration, Data Cleaning, Data Construction, Data Integration, Data Transformation, Data Dimensionality Reduction, introduction to AI and Machin Learning, Python for Data Analysis such as Numpy,  Pandas,  Python for Data Visualization such as Matplotlib, Seaborn, Python for Machine Learning and AI, Python for Big Data Analytics, Data  Science Applications such as Data Prediction, Computer Vision, Natural Language Processing.