• Tipi di dati (data zoo), in particolare dati temporali e spaziali
  
• Richiami su spazi topologici, spazi lineari, matrici, grafi
• Strutture metriche e topologiche: principali distanze (inclusa Mahalanobis), dissimilarità ( e.g. divergenza KL e simili)
• Riduzione della complessità dei dati: cluster analysis, analisi discriminante lineare e non, analisi dei fattori
• Riduzione della dimensionalità: PCA, mapper e proiezioni, kernel tricks 
• Reti complesse, grafi aleatori, modelli di Erdos-Renyi, configuration models, exponential random graphs e grand ensamble. 

Nove ore saranno dedicate all'utilizzo del software R.