मॉड्यूल - 1 : डेटा वेअरहाउसिंग आणि मॉडेलिंग : मूलभूत संकल्पना : डेटा वेअरहाऊसिंग : एक बहुस्तरीय आर्किटेक्चर, डेटा वेअरहाऊस मॉडेल्स : एंटरप्राइझ वेअरहाऊस, डेटा मार्ट आणि व्हर्च्युअल वेअरहाऊस, एक्सट्रॅक्शन, ट्रान्सफॉर्मेशन आणि लोडिंग, डेटा क्यूब : एक बहुआयामी डेटा मॉडेल, स्टार्स आणि स्नोफ्लेक्स तथ्य तारामंडल : बहुआयामी डेटा मॉडेल्ससाठी योजना, परिमाणे: संकल्पना पदानुक्रमांची भूमिका, उपाय: त्यांचे वर्गीकरण आणि गणना, ठराविक OLAP ऑपरेशन्स. (अध्याय - 1) मॉड्यूल - 2 : डेटा वेअरहाऊस अंमलबजावणी आणि डेटा मायनिंग : कार्यक्षम डेटा क्यूब गणना: एक विहंगावलोकन, OLAP डेटा अनुक्रमित करणे: बिटमॅप अनुक्रमणिका आणि जॉईन इंडेक्स, OLAP क्वेरीची कार्यक्षम प्रक्रिया, OLAP सर्व्हर आर्किटेक्चर ROLAP विरुद्ध MOLAP versus in HOLAP : डेटा मायनिंग म्हणजे काय, आव्हाने, डेटा मायनिंग कार्ये, डेटा : डेटाचे प्रकार, डेटा गुणवत्ता, डेटा प्रीप्रोसेसिंग, समानता आणि विषमतेचे उपाय. (अध्याय - 2) मॉड्यूल - 3 : असोसिएशन विश्लेषण : असोसिएशन विश्लेषण : समस्या व्याख्या, वारंवार आयटम सेट निर्मिती, नियम निर्मिती, वारंवार आयटम संच तयार करण्यासाठी पर्यायी पद्धती, FP - वाढ अल्गोरिदम, असोसिएशन पॅटर्नचे मूल्यांकन. (अध्याय - 3) मॉड्यूल - 4 : वर्गीकरण : डिसिजन ट्री इंडक्शन, क्लासिफायर्सची तुलना करण्याची पद्धत, नियम आधारित क्लासिफायर्स, सर्वात जवळचे शेजारी क्लासिफायर्स, बायेसियन क्लासिफायर्स. (अध्याय - 4) मॉड्यूल - 5 : क्लस्टरिंग विश्लेषण : विहंगावलोकन, K - म्हणजे, समूह श्रेणीबद्ध क्लस्टरिंग, DBSCAN, क्लस्टर मूल्यांकन, घनता-आधारित क्लस्टरिंग, आलेख-आधारित क्लस्टरिंग, स्केलेबल क्लस्टरिंग अल्गोरिदम. (अध्याय - 5)