modul #1 Uvod u znanost o podacima Pregled znanosti o podacima, važnost i primjene
modul #2 Proces znanosti o podacima Razumijevanje procesa znanosti o podacima: definiranje problema, prikupljanje podataka, čišćenje, analiza i vizualizacija
modul #3 Python za podatkovnu znanost Uvod u programski jezik Python i njegove biblioteke za podatkovnu znanost (NumPy, Pandas, itd.)
modul #4 Pretprocesiranje podataka Rukovanje nedostajućim vrijednostima, normalizacija podataka, skaliranje značajki i podaci transformacija
modul #5 Vizualizacija podataka Uvod u vizualizaciju podataka pomoću Matplotliba i Seaborna
modul #6 Opisna statistika Mjere središnje tendencije, varijabilnosti i distribucije podataka
modul #7 Inferencijalna statistika Hipoteza testiranje, intervali pouzdanosti i p-vrijednosti
modul #8 Regresijska analiza Jednostavna i višestruka linearna regresija, regresijske pretpostavke i procjena modela
modul #9 Inženjerstvo značajki Tehnike odabira, izdvajanja i stvaranja značajki
modul #10 Nadzirano učenje Uvod u nadzirano učenje, klasifikaciju i regresiju
modul #11 Nenadzirano učenje Uvod u nenadzirano učenje, grupiranje i smanjenje dimenzionalnosti
modul #12 Procjena modela Metrike za procjena performansi modela, prekomjerno i nedovoljno uklapanje
modul #13 Stabla odlučivanja i nasumične šume Uvod u stabla odlučivanja i nasumične šume, prednosti i ograničenja
modul #14 Support Vector Machines Uvod u potporne vektorske strojeve, trik jezgre i vrste SVM
modul #15 Neuralne mreže Uvod u neuronske mreže, perceptron i višeslojni perceptron
modul #16 Duboko učenje Uvod u duboko učenje, konvolucijske neuronske mreže i rekurentne neuronske mreže
modul #17 Obrada prirodnog jezika Uvod u obradu prirodnog jezika, pretprocesiranje teksta i predstavljanje teksta
modul #18 Big Data i NoSQL baze podataka Uvod u velike podatke, Hadoop ekosustav i NoSQL baze podataka
modul #19 Data Storytelling Učinkovita komunikacija uvida i rezultata pomoću vizualizacije podataka i pripovijedanja
modul #20 Data Science Alati i tehnologije Uvod u podatkovne znanstvene alate i tehnologije, Jupyter Notebooks i Git
modul #21 Studija slučaja 1:Regresijska analiza Primjena regresijske analize na problem iz stvarnog svijeta
modul #22 Studija slučaja 2:Klasifikacija Primjena tehnika klasifikacije na problem iz stvarnog svijeta
modul #23 Studija slučaja 3:Grupiranje Primjena tehnika klasteriranja na problem iz stvarnog svijeta
modul #24 Završetak tečaja i zaključak Planiranje sljedećih koraka u karijeri Data Science
