جلسه اول - شناخت انواع داده‌ها و ویژگی‌ها

جلسه دوم - انواع ویژگی‌ها و توصیف آماری داده‌ها

جلسه سوم - شناخت داده‌ها (پراکندگی، توزیع نرمال، تحلیل هیستوگرام، اندازه‌گیری شباهت و عدم شباهت داده‌ها)

جلسه چهارم - تکمیل روش‌های شباهت‌سنجی-مصورسازی داده‌ها

جلسه هشتم - روش‌های کاهش داده- هیستوگرام، خوشه‌بندی و…

جلسه ششم - عملیات پیش پردازش- تجمیع داده‌ها (تحلیل همبستگی – تست کای-دو)

جلسه پنجم - عملیات پیش‌پردازش وپاک‌سازی داده‌ها

جلسه هفتم - روش‌های کاهش داده- (کاهش بعد، تبدیل موجک، تبدیل HAAR)

جلسه نهم - انواع روش‌های گسسته‌سازی

جلسه دهم - انباره داده‌ها-شماهای ستاره‌ای، دانه‌برفی تحلیل الگوهای پرتکرار

جلسه دوازدهم - الگوریتم Apriori

جلسه یازدهم - ایجاد قوانین انجمنی

جلسه سیزدهم - افزایش بهره‌وری الگوریتم Apriori و شروع FP-growth

جلسه چهاردهم - الگوریتم Eclat و معیارهای ارزیابی قوانین انجمنی

جلسه پانزدهم - مفاهیم دسته‌بندی داده‌ها

جلسه شانزدهم - درخت تصمیم

جلسه هجدهم - دسته‌بندی بیزین - دسته‌بندی مبتنی بر قانون

جلسه هفدهم - بررسی معیارهای شاخص و هرس درخت تصمیم

جلسه بیستم - ارزیابی و مقایسه روش‌های دسته‌بندی

جلسه بیست و یکم - Ensemble Methods

جلسه بیست و دوم - روش‌های دسته‌بندی پیشرفته

جلسه بیست و سوم - مفاهیم خوشه‌بندی – k-means

جلسه نوزدهم - استخراج قوانین درخت تصمیم

جلسه بیست و چهارم - خوشه‌بندی سلسله‌مراتبی