
Οι θεματικές ενότητες του προγράμματος είναι οι ακόλουθες:
Απαραίτητες γνώσεις προγραμματισμού στην γλώσσα Python και στην εξοικείωση με τα δημοφιλή πακέτα της για τις εφαρμογές της Μηχανικής Μάθησης και της Ανάλυσης Δεδομένων.
Τεχνικές που επιτρέπουν την ανάλυση και κατανόηση δεδομένων χωρίς την ανάγκη για ετικέτες ή επιβλέποντα παράγοντα.
Σύγχρονες τεχνολογίες και μεθόδοι για τη διαχείριση και ανάλυση πολύ μεγάλου όγκου δεδομένων.
Βασικές αρχές και μέθοδοι της επιβλεπόμενης μάθησης. Οι συμμετέχοντες θα μάθουν πώς να εκπαιδεύουν μοντέλα χρησιμοποιώντας δεδομένα με ετικέτες, καλύπτοντας τεχνικές όπως η γραμμική και λογιστική παλινδρόμηση, δέντρα αποφάσεων, κΝΝ, SVM κ.α.
Απαραίτητες μαθηματικές γνώσεις (Λογισμός, Γραμμική Άλγεβρα, Πιθανότητες, Στατιστική) χρήσιμες για την κατανόηση των τεχνικών της Μηχανικής Μάθησης και της Ανάλυσης Δεδομένων.
Γνώσεις και δεξιότητες που απαιτούνται για την αποτελεσματική διαχείριση και αξιοποίηση των σχεσιακών βάσεων δεδομένων στο πλαίσιο της μηχανικής μάθησης και της ανάλυσης δεδομένων.
Ανάπτυξη και εφαρμογή αλγορίθμων που προτείνουν προϊόντα, υπηρεσίες ή περιεχόμενο στους χρήστες με βάση τις προτιμήσεις και τα δεδομένα τους.
Ανάπτυξη δεξιοτήτων για την ανάλυση δεδομένων και την εξαγωγή επιχειρηματικών πληροφοριών μέσω προηγμένων τεχνικών οπτικοποίησης.
Ανάπτυξη και εφαρμογή αλγορίθμων που προτείνουν προϊόντα, υπηρεσίες ή περιεχόμενο στους χρήστες με βάση τις προτιμήσεις και τα δεδομένα τους.