1.1. Valor de los datos
1.2. Datos y datos masivos
1.3. Administración de datos masivos
Prácticas de laboratorio del capítulo: Python, Instalación, Introducción, programación lineal, etc.

2.1. ¿Qué es el análisis de datos
2.2. Uso de datos masivos
2.3. Adquisición de datos y preparación
2.4. Ética de datos masivos
Prácticas de laboratorio del capítulo : Bibliotecas de Python: datetime, csv, subprocess, pandas, numpy, etc. Excel (.csv), SQLite.

3.1. Análisis de los datos
Prácticas de laboratorio del Capítulo: Python, Bibliotecas de Python: matplotlib, seaborn, fecha y hora, csv, subproceso, etc.

4.1. Análisis predictivos
4.2. Evaluación del modelo
Prácticas de laboratorio del Capítulo 4: Python, Bibliotecas de Python: scipy, sklearn y IPython.display, etc.  y una aplicación adicional denominada Graphviz.

5.1. Creación de una historia de datos
5.2. El poder de la visualización
Prácticas de laboratorio del Capítulo 5: Microsoft Excel, Python, Bibliotecas de Python.

6.1. Escala del análisis de datos
6.2. Introducción a la ingeniería de datos
6.3. El plan de datos masivos
6.4. Los laboratorios de procesamiento de imagen
Prácticas de laboratorio del capítulo 6: Python, Bibliotecas de Python: picamera, scipy, sklearn, etc.