1. Introducción al análisis de datos y minería de datos
2. Aprendizaje con técnicas numéricas
2.1. Modelos estadísticos de los datos y relaciones causales
2.2. Clasificadores bayesianos. Atributos numéricos y simbólicos
3. Árboles para predicción numérica
3.1. Regresión lineal y árboles de regresión
3.2. Agrupamiento con técnicas numéricas: K-medias y EM
4. Evaluación de prestaciones
4.1. Matrices de confusión
4.2. Comparación de técnicas, contrastes de significatividad.
5. Análisis de atributos
5.1. Selección no supervisada
5.2. Transformación de atributos
5.3. Selección supervisada
6. Metodologías en análisis de datos
7. Otras técnicas avanzadas (combinación, SVM, aprendizaje de sistemas difusos, técnicas genéticas,...)