本科的目的是帮助学生了解什麽是机器学习以及如何将其用於营销分析。本科将首先向学生介绍市场营销和销售中常用的主要机器学习算法。本科亦会讨论在营销场景中使用机器学习的真实示例，例如向客户提供个人化的优惠或改善在线客户体验。学生还将学习理论﹑技术以及如何选择最适合行业中特定营销问题的机器学习算法。

本科概述了构成当今云计算应用程序的当前分佈式计算技术和分佈式算法。本科涵盖的概念和模型包括：云服务模型（SaaS，PaaS和IaaS），虚拟化技术，云基础架构和网络，云和分佈式存储（例如键值/ NoSQL存储），分佈式算法（例如领导选举和故障恢复）等。我们还将研究一些行业框架，例如Hadoop，Map / Reduce和Spark。

本科研究网页和移动服务等大数据应用程序在安全性和隐私性方面的新兴趋势和问题。大数据分析可以对企业和社会带来好处，但大数据分析亦涉及收集敏感甚至机密的个人数据。如果处理不当，可能对个人﹑企业和社会造成毁灭性後果。因此，本科将著重於识别此类大数据应用程序中的安全性和隐私问题以及挑战。本科将探索用於实施安全性和保护隐私的现有方法和可用工具，并使学生能够评估解决安全或隐私问题的方案。

本科旨在让学生学习数据科学和人工智能领域的最新知识。它涵盖了相关领域中精选的当代主题。主题取决於最新趋势和任教导师的专业知识。本科还强调实践知识，例如现实生活中的示例和动手技能。

本课程讲授一系列用於决策分析的定量方法，重点在解决供应链的管理问题。互联网上大量可用的信息（主要是通过社交媒体）为用於计划和控制供应链的分析方法提供了重要数据。分析有两种：数据分析和决策分析。数据分析是可以用来处理数据，将数据转换为领域知识（供应链参数）的信息方法。在供应链环境中，此类领域知识可以通过决策分析进一步处理：描述性分析（供应链控制技术）﹑描述性分析（供应链优化方法）和预测性分析（需求预测和资源计划模型）。在本课程中，我们将讨论这两种分析，并表明要在大数据环境中成功规划和控制供应链，必须对这两种分析进行适当的集成。