Το μάθημα εισάγει τις βασικές αρχές, μεθόδους και εργαλεία της Επιστήμης Δεδομένων, καλύπτοντας ολόκληρο τον κύκλο ζωής των δεδομένων από τη συλλογή και τον καθαρισμό τους έως την ανάλυση, την οπτικοποίηση και την εξαγωγή γνώσης. Οι φοιτητές εξοικειώνονται με τεχνικές εξερευνητικής ανάλυσης δεδομένων, περιγραφικής στατιστικής και προγραμματισμού για ανάλυση δεδομένων, αξιοποιώντας σύγχρονα εργαλεία και βιβλιοθήκες όπως η Python ή η R. Παράλληλα, εισάγονται στις θεμελιώδεις έννοιες της μηχανικής μάθησης, με έμφαση σε βασικές τεχνικές παλινδρόμησης, ταξινόμησης και ομαδοποίησης. Ιδιαίτερη σημασία δίνεται στην οπτικοποίηση και ερμηνεία των αποτελεσμάτων, στην αξιολόγηση της ποιότητας των δεδομένων, καθώς και σε ζητήματα ηθικής, ασφάλειας και προστασίας προσωπικών δεδομένων. Με την ολοκλήρωση του μαθήματος, οι φοιτητές θα μπορούν να αναπτύσσουν βασικές διαδικασίες ανάλυσης δεδομένων, να εφαρμόζουν απλά μοντέλα μηχανικής μάθησης και να επικοινωνούν αποτελεσματικά τα αποτελέσματα των αναλύσεών τους σε πραγματικά προβλήματα και εφαρμογές.