1. ความรู้เบื้องต้นเกี่ยวกับการวิเคราะห์ข้อมูล รวมถึงการอภิปรายเทคนิคทั่วไปที่สำคัญสำหรับการวิเคราะห์และ แปลงข้อมูลให้ได้มาซึ่งสารสนเทศที่มีความหมายจากชุดข้อมูลต่างๆ อธิบายหลักการที่เกี่ยวข้องกับการดำเนินการ เก็บรวบรวมข้อมูล การแปลงข้อมูล การทำความสะอาดข้อมูล (Data cleaning and integration) และการ ตัดสินใจจากข้อมูล โดยเน้นการคิดเชิงวิเคราะห์
2. ความรู้เบื้องต้นเกี่ยวกับสถิติเชิงอนุมาน การประเมินค่าพารามิเตอร์ใน ประชากร การทดสอบสมมติฐาน ความคลาดเคลื่อนในการทดสอบสมมติฐาน การประมาณแบบช่วง การ ประเมินคุณสมบัติและการควบคุมความผิดพลาดของการทดสอบสมมติฐาน ตัวอย่างเนื้อหาเช่น Frequency Distributions, Central Tendency, Correlation, Hypothesis Testing, ANOVA
3. ความรู้เบื้องต้นเกี่ยวกับการเรียนรู้ของเครื่อง ขั้นตอนที่จำเป็นสาหรับการสร้างแบบจำลองการเรียนรู้ของเครื่อง แนวคิดการเรียนรู้ด้วยเครื่องและประเภทการเรียนรู้แบบมีผู้สอน (supervised learning) และการเรียนรู้แบบไม่มี ผู้สอน (unsupervised learning) การประเมินขั้นตอนวิธีการเรียนรู้ของเครื่อง การวิเคราะห์ที่ไม่ขึ้นกับขั้นตอนวิธี อัลกอริทึมสำหรับการจัดแบ่งประเภท เรียนรู้คลังโปรแกรมที่ใช้อย่างแพร่หลายของอัลกอริทึมสำหรับการเรียนรู้ ด้วยเครื่อง การเตรียมประมูลผลข้อมูลเพื่อสร้างชุดข้อมูล (Data Set) ที่มีคุณภาพ การบีบอัดเพื่อลดมิติของข้อมูล การประเมินผลแบบจำลองและการปรับแต่งพารามิเตอร์