Deze cursus is modulair opgezet. Per cursustraject kan een selectie worden gemaakt uit de aangeboden modules. Voor elke module zijn er drie varianten: lezing variant (dagdeel of half dagdeel, beknopte training (twee dagdelen); uitgebreide training (drie of vier dagdelen).
De cursus kan worden gegeven voor Python of voor R. Voor organisaties waarin beide talen worden gebruikt, kan een combinatiecursus worden samengesteld waarbij theorie en opdrachten zowel in Python als in R worden aangeboden.
| Module | Omschrijving | Vereiste niveau voorkennis/ervaring | |
| A | Introductie datascience | Algemeen stappenplan bij data analyse; De vier vraagstukken in datascience | N.v.t. |
| B | Statistiek | Inleiding wiskunde en statistiek voor datascience | N.v.t |
| C | Introductie Python/R | Programmeren in Python/R, toegesneden op gebruik voor analyse | Enige kennis met programmeren in Python/R of een andere scripttaal |
| D | Introductie visualisatie | Maken van grafieken | C |
| E | Datascience in Python/R | Inleiding in gebruik van Python/R voor datascience | A + C + D |
| F | Deep dive clustering | Clustering in Python/R | A + C + D + E |
| G | Deep dive classificatie | Classificatie in Python/R | A + C + D + E |
| H | Deep dive regressie | Regressie in Python/R | A + C + D + E |
| I | Data presentatie | Dynamisch datavisualisatie en dashboard | A + C + D + E |
| J | Geavanceerd programmeren | Generieke, herbruikbare code; Meta code; bouwen applicatie; beveiliging | C+D |