データ収集と倫理と前処理： 明確な目標を設定、調査に伴う被験者への配慮、具体的な実施方法を学ぶ。調査結果から統計基本量を計算し、調査内容に合わせた前処理を行う。
統計基礎と検定：データサイエンスに必要な数学を理解し、調査データの数値化、統計情報の計算、データの可視化と各種モデルを想定した仮説検定を行う
地理情報システムの活用：地理情報システム（GIS)を活用し、データを地図上で可視化する力を養う。グループワークを通し、調査対象や解析したデータを多角的、批判的に見る視点を養う。
プログラミングとAI：機械学習の基礎、画像処理、画像認識、オープンデータと独自データの融合、プログラミングによるデータ解析、時系列データの異常値検知、各種回帰分析とモデルによる予測。