Ο κύριος στόχος του μαθήματος είναι η εκμάθηση βασικών στοιχείων της θεωρίας της υπολογιστικής βελτιστοποίησης, των αριθμητικών αλγορίθμων και των εφαρμογών τους. Το μάθημα αυτό σκοπεύει να φέρει τους φοιτητές/τριες σε επαφή με τον γραμμικό προγραμματισμό (μέθοδος simplex, duality theory), με τις αριθμητικές μεθόδους για την επίλυση προβλημάτων μη γραμμικής βελτιστοποίησης, με προβλήματα βελτιστοποίησης χωρίς περιορισμούς (συνθήκες βελτιστοποίησης, descent algorithms και θεωρήματα σύγκλισης) καθώς επίσης και προβλήματα με περιορισμούς (Lagrange πολλαπλασιαστές, συνθήκες Karush-Kuhn-Tucker). Στοχεύει επίσης να δώσει τα εφόδια στους φοιτητές/τριες ώστε να είναι σε θέση να προσδιορίζουν τις απαραίτητες και επαρκείς συνθήκες βελτιστοποίησης για διαφορετικές κατηγορίες μοντέλων βελτιστοποίησης και να εφαρμόσουν την κατάλληλη αριθμητική μέθοδο δεδομένου των χαρακτηριστικών του μοντέλου βελτιστοποίησης. Ειδικότερα θα δοθεί έμφαση σε εφαρμογές στη μηχανική, στα οικονομικά, τη στατιστική κ.λπ. Οι φοιτητές/τριες στα πλαίσια του μαθήματος θα χρησιμοποιήσουν επίσης MATLAB ή R για να αποκτήσετε πρακτική εμπειρία με το υλικό.

Ο στόχος του μαθήματος είναι η εξοικείωση των φοιτητών σε εισαγωγικό επίπεδο με τα θέματα που πραγματεύεται η επιστήμη της λογιστικής. 
Συγκεκριμένα, το μάθημα θα δώσει στους φοιτητές μία γενική ιδέα του τι εστί χρηματοοικονομική λογιστική με μια γενική ανάπτυξη των εννοιών του ενεργητικού, παθητικού, διπλογραφικής μεθόδου και του ρυθμιστικού και εννοιολογικού πλαισίου αναφορικά με την λογιστική. Οι φοιτητές/τριες θα μάθουν να ετοιμάζουν και να ερμηνεύουν ένα ισολογισμό, κατάσταση συμφιλίωσης λογαριασμών, κατάσταση λογαριασμού αποτελεσμάτων, κατάσταση ταμειακών ροών και να ερμηνεύουν αριθμοδείκτες.
Τελικός στόχος είναι η παροχή μιας γενικής εικόνας των βασικών οικονομικών καταστάσεων, το περιεχόμενό τους και τη χρησιμότητά τους στη λήψη αποφάσεων.

Στόχος του μαθήματος «Αρχές Μακροοικονομικής» είναι να δοθεί μια εκτεταμένη εισαγωγή στην μακροοικονομική  θεωρία καθώς και απαντήσεις σε ερωτήματα που αφορούν την οικονομία ως σύνολο. 
Πιο συγκεκριμένα, αρχικός στόχος του μαθήματος είναι η κατανόηση βασικών μακροοικονομικών εννοιών στις αυτές του εθνικού εισοδήματος, του πληθωρισμού και στις ανεργίας καθώς και η κατανόηση των προσδιοριστικών παραγόντων στις οικονομικής ανάπτυξης και παραγωγικότητας. Επιπρόσθετος και εξίσου σημαντικός στόχος του μαθήματος είναι να βοηθήσει στις φοιτητές να κατανοήσουν την λειτουργία του χρηματοπιστωτικού συστήματος καθώς και τον ρόλο στις κεντρικής τράπεζας στην άσκηση νομισματικών πολιτικών. Τέλος, το μάθημα έχει ως στόχο να εισαγάγει στις φοιτητές σε βασικές έννοιες στις ανοικτής οικονομίας συμπεριλαμβανομένης στις στις συναλλαγματικής ισοτιμίας καθώς και στην διερεύνηση των βραχυχρόνιων διακυμάνσεων στις οικονομίας.
Οι φοιτητές/τριες μετά το πέρας του μαθήματος θα είναι σε θέση να κατανοούν και να αναγνωρίζουν τα μακροοικονομικά προβλήματα που απασχολούν μια οικονομία, καθώς στις να αντιλαμβάνονται τον τρόπο λειτουργίας στις οικονομίας σε μακρο-επίπεδο, βραχυχρόνια και μεσοπρόθεσμα.

Η Μικροοικονομική αποτελεί βασικό πυλώνα στις Οικονομικής Επιστήμης και ως εκ τούτου στις επιστημονικής κατάρτισης κάθε οικονομολόγου. 
Ειδικότερα, το μάθημα αυτό παρουσιάζει και αναλύει τα στοιχειώδη εργαλεία στις οικονομικής με σκοπό την καλύτερη κατανόηση και στις εφαρμογής στις οικονομικής. 
Οι φοιτητές θα αναπτύξουν οικονομική σκέψη και θα μπορούν να χρησιμοποιήσουν βασικές οικονομικές αρχές και εργαλεία για να αναλύσουν στις αγορές και να αξιολογήσουν οικονομικές πολιτικές.

Στόχος αυτού του υποχρεωτικού μαθήματος είναι να καταστήσει τους φοιτητές/τριες ικανούς/ες να επικοινωνούν σε επίπεδο Β2 του Κοινού Ευρωπαϊκού Πλαισίου Αναφοράς (ΚΕΠΑ) για τις Γλώσσες. Το μάθημα έχει σχεδιαστεί για φοιτητές/τριες που έχουν γερές βάσεις στις δεξιότητες της αγγλικής γλώσσας σε επίπεδο Β1 και επιθυμούν να βελτιώσουν περαιτέρω τις επικοινωνιακές τους ικανότητες στον εξειδικευμένο τομέα της επιστήμης δεδομένων. Με βάση τις έννοιες που καλύπτονται στο εισαγωγικό μάθημα, αυτό το μάθημα εμβαθύνει σε προηγμένες δεξιότητες χρήσης γλώσσας, τεχνικής γραφής και προφορικής παρουσίασης, εστιάζοντας ειδικά στις πολύπλοκες και εξελισσόμενες πτυχές της επιστήμης δεδομένων. Μέσω ενός συνδυασμού διαλέξεων, πρακτικών έργων, περιπτωσιολογικών μελετών και διαδραστικών συζητήσεων, οι φοιτητές/τριες θα ασχοληθούν με θέματα αιχμής στην επιστήμη των δεδομένων, εξερευνώντας προηγμένα στατιστικά μοντέλα, οικονομικά, τεχνικές μηχανικής μάθησης, επεξεργασία φυσικής γλώσσας και ηθικές θεωρήσεις στην τεχνητή νοημοσύνη. Το μάθημα στοχεύει να εξοπλίσει τους φοιτητές/τριες με τις στρατηγικές γλωσσικής επάρκειας και επικοινωνίας που είναι απαραίτητες για την πλοήγηση στην πολυπλοκότητα των προηγμένων εννοιών της επιστήμης δεδομένων και την αποτελεσματική επικοινωνία τους σε διαφορετικές επικοινωνιακές περιστάσεις.

Ο σκοπός του μαθήματος είναι να  παρέχει βασικές γνώσεις στατιστικής χρησιμοποιώντας ένα στατιστικό πακέτο λογισμικού. Η ενότητα παρέχει τις βασικές έννοιες για περαιτέρω χρήση του τομέα της στατιστικής.

Σε αυτό το μάθημα οι φοιτητές θα επεκτείνουν τις γνώσεις τους στον προγραμματισμό υπολογιστών με τη χρήση της αντικειμενοστρεφούς γλώσσας Java και θα αποκτήσουν εμπειρία σχεδιασμού και προγραμματισμού ολοκληρωμένου συστήματος. Ιδιαίτερη έμφαση θα δοθεί σε τεχνολογίες που χρησιμοποιούνται για τη δημιουργία λογισμικού που εμπεριέχουν μηχανισμούς πρόσβασης σε βάση δεδομένων καθώς και στη χρήση των κατάλληλων βιβλιοθηκών για τη δημιουργία γραφικού περιβάλλοντος αλληλεπίδρασης με το σύστημα.

Το μάθημα αυτό έχει στόχο να αποκτήσουν οι φοιτητές επαρκείς γνώσεις πιθανοτήτων και στατιστικής που είναι απαραίτητες για να κατανοήσουν προχωρημένα θέματα σχετικά με το αντικείμενό τους. Περιέχει, μεταξύ άλλων θέματα που καλύπτουν, ροπογεννήτριες, τυχαίες μεταβλητές, συνδιακύμανση/συσχέτιση, κεντρικό οριακό θεώρημα, εκτιμήσεις, μέθοδος των ροπών, μέθοδος μέγιστης πιθανοφάνειας. κατανομές, ελέγχους υποθέσεων, μοντέλα παλινδρόμησης κλπ.

Η ανάλυση και οι υπολογισμοί πινάκων χρησιμοποιούνται ευρέως σε πολλούς τομείς της επιστήμης δεδομένων, όπως η πολυμεταβλητή στατιστική, η οικονομετρία, η μηχανική μάθηση, η βελτιστοποίηση και πολλοί άλλοι και θεωρούνται βασικά εργαλεία θεμελιώδους σημασίας.
Ο σκοπός του μαθήματος είναι να παρέχει στους φοιτητές αρκετές γνώσεις σε μαθηματικά και αλγοριθμικά εργαλεία για προβλήματα πινάκων, τα οποία είναι απαραίτητα για την κατανόηση προηγμένων θεμάτων που σχετίζονται με το αντικείμενό τους. Στόχος του μαθήματος είναι επίσης να δώσει τα κατάλληλα εφόδια στους φοιτητές να εφαρμόζουν αυτές τις μαθηματικές τεχνικές, να λύνουν διάφορα προβλήματα χρησιμοποιώντας εξειδικευμένο λογισμικό και να βοηθήσει στην ανάπτυξη και ενίσχυση της κριτικής τους σκέψης. Το μάθημα περιλαμβάνει εργαστήριο στη MATLAB (ή Octave), R και Python.

Στόχος αυτού του υποχρεωτικού μαθήματος είναι να καταστήσει τους φοιτητές/τριες ικανούς/ες να επικοινωνούν σε επίπεδο B1-Β2 του Κοινού Ευρωπαϊκού Πλαισίου Αναφοράς (ΚΕΠΑ) για τις Γλώσσες. Το μάθημα είναι ειδικά σχεδιασμένο σύμφωνα με τις ανάγκες των φοιτητών/τριών στον κλάδο της Επιστήμης Δεδομένων. Συγκεκριμένα, το μάθημα έχει σχεδιαστεί για να εξοπλίσει τους φοιτητές/τριες με τις απαραίτητες γλωσσικές δεξιότητες και το εξειδικευμένο λεξιλόγιο που απαιτούνται για την αποτελεσματική επικοινωνία και εργασία στον τομέα της επιστήμης δεδομένων για τα οικονομικά και τις επιχειρήσεις. Αυτό το μάθημα εστιάζει στην ανάπτυξη επάρκειας στη χρήση της αγγλικής γλώσσας, στην τεχνική γραφή και στις δεξιότητες προφορικής παρουσίασης ειδικά προσαρμοσμένες για επαγγελματίες της επιστήμης δεδομένων. Μέσω ενός συνδυασμού διαδραστικών διαλέξεων, πρακτικών ασκήσεων και πρότζεκτ, οι φοιτητές/τριες θα ενισχύσουν την ικανότητά τους να κατανοούν, να ερμηνεύουν και να επικοινωνούν σύνθετες έννοιες που σχετίζονται με δεδομένα στα αγγλικά. Το μάθημα θα καλύψει διάφορες πτυχές της επιστήμης δεδομένων, συμπεριλαμβανομένης της ανάλυσης δεδομένων, της στατιστικής μοντελοποίησης, της μηχανικής μάθησης και της οπτικοποίησης δεδομένων, δίνοντας έμφαση στην αποτελεσματική επικοινωνία εντός διεπιστημονικών ομάδων και μεταξύ διαφορετικών ενδιαφερομένων. Καθ' όλη τη διάρκεια του μαθήματος, οι φοιτητές/τριες θα έχουν την ευκαιρία να εφαρμόσουν τις γλωσσικές τους δεξιότητες σε σενάρια επιστήμης δεδομένων πραγματικού κόσμου, να εργαστούν σε συνεργατικά έργα, να λάβουν σχόλια σχετικά με τις επικοινωνιακές τους ικανότητες και να συμμετάσχουν σε συζητήσεις για ηθικές και επαγγελματικές πρακτικές στον κλάδο της επιστήμης δεδομένων.