Αυτό το μάθημα σχεδιάζεται για φοιτητές που έχουν μια ισχυρή βάση στην ανάλυση στατιστικών δεδομένων και θέλουν να βελτιώσουν τις δεξιότητές τους στη στατιστική επιστήμη των δεδομένων. Το μάθημα καλύπτει μια σειρά από προηγμένες υπολογιστικές και στατιστικές μεθόδους για την αντιμετώπιση προκλητικών προβλημάτων ανάλυσης δεδομένων. Επικεντρώνεται στη στατιστική μεθοδολογία, αλγόριθμους και λογισμικά που επηρεάζονται από τα δεδομένα. Τα θέματα που καλύπτονται περιλαμβάνουν Υψηλής Διάστασης Ανάλυση Δεδομένων, Ανάλυση Δεδομένων σε Μεγάλη Κλίμακα, Συνδυαστική Μέθοδο στην Στατιστική, Βελτιστοποίηση, Ευρητικές Μέθοδοι στην Στατιστική, Οικονομετρία, Μέθοδοι Βελτιστοποίησης στη Στατιστική (π.χ. αλγόριθμοι τύπου EM), Στοχαστική βελτιστοποίηση και μέθοδοι bootstrapping, Προσομοίωση Δεδομένων, Παλινδρόμηση Ridge, Πολύπλοκες Δομές Δεδομένων, Μη Κανονικά Δεδομένα
Μέσω μιας συνδυαστικής προσέγγισης, περιλαμβάνοντας διαλέξεις, και εργαστήρια, οι φοιτητές θα αποκτήσουν βαθιά κατανόηση των προηγμένων τεχνικών στην στατιστική επιστήμη δεδομένων και θα αναπτύξουν τις δεξιότητές τους για να εφαρμόζουν αυτές τις τεχνικές στην επίλυση πραγματικών προβλημάτων. Σκοπός αυτού του μαθήματος είναι να παρέχει στους φοιτητές προηγμένες γνώσεις και δεξιότητες στη στατιστική επιστήμη δεδομένων, έτσι ώστε μέχρι το τέλος του μαθήματος, οι φοιτητές θα μπορούν να αναλύουν δύσκολα σύνολα δεδομένων, να αναγνωρίζουν μοτίβα και τάσεις, και να εφαρμόζουν προηγμένα στατιστικά μοντέλα για να λύσουν πραγματικά προβλήματα.