درس استاتیک یکی از دروس پایه ای رشته مکانیک و سایر رشته های مرتبط هست. پایه و اساس این درس قوانین نیوتن است که به ما کمک می کند مسائل را با استفاده از ابزارهایی که در این درس آشنا خواهیم شد، تحلیل کنیم. اجسام مورد بررسی در استاتیک صلب و بدون حرکت در نظر گرفته می شود. از مهمترین مباحث این درس، بحث تعادل می باشد که ما در اصل اول مورد بررسی قرار خواهیم داد که قوی ترین ابزار ما برای تحلیل سازه ها می باشد.

این درس به تحلیل و نقد نظریه رایج پیرامون به قدرت رسیدن رضاشاه پهلوی و برخی از اعمال عمده او می‌پردازد.

توپولوژی جبری شاخه ای از ریاضیات است که از ابزارهای رشته جبر (ایده ها و قضایای جبر مجرد) برای مطالعه فضاهای توپولوژیکی استفاده میکند. ساده ترین هدف این رشته یافتن پایاهایی (invariant) جهت دسته بندی (classifying) فضاهای توپولوژیکی است. این دسته بندی معمولا در سطح همئومورفیسمی است (up to homeomorphism).

نظریهٔ پیچیدگی محاسباتی (Computational complexity theory) شاخه‌ای از نظریهٔ محاسبات، علوم نظری رایانه و ریاضی است که به بررسی دشواری حل مسائل به وسیلهٔ رایانه (به عبارت دقیق‌تر به صورت الگوریتمی) می‌پردازد. این نظریه بخشی از نظریهٔ محاسباتی است که با منابع مورد نیاز برای حل یک مسئله سروکار دارد.

روش اجزاء محدود یا روش المان محدود (به انگلیسی: Finite Element Method) که به اختصار FEM نامیده می‌شود، روشی است عددی برای حل تقریبی معادلات دیفرانسیل جزئی و نیز حل معادله‌های انتگرالی. اساس کار این روش حذف کامل معادلات دیفرانسیل یا ساده‌سازی آنها به معادلات دیفرانسیل معمولی، که با روشهای عددی مانند اویلر حل می‌شوند، می‌باشد. در حل معادلات دیفرانسیل جزئی مسئله مهم این است که به معادله ساده‌ای که از نظر عددی پایداراست -به این معنا که خطا در داده‌های اولیه و در حین حل به حدی نباشد که به نتایج نامفهوم منتهی شود- برسیم. روشهایی با مزایا و معایب مختلف برای این امر وجود دارد، که روش اجزاء محدود یکی از بهترین آنهاست. این روش درحل معادلات دیفرانسیل جزئی روی دامنه‌های پیچیده (مانند وسایل نقلیه و لوله‌های انتقال نفت)، یا هنگامی که دامنه متغیر است، یا وقتی که دقت بالا در همه جای دامنه الزامی نیست یا اگر نتایج همبستگی و یکنواختی کافی را ندارند، بسیار مفید می‌باشد. به عنوان مثال در شبیه‌سازی یک تصادف در قسمت جلوی خودرو، نیازی به دقت بالای نتایج در عقب خودرو نیست. ..

نظریه یادگیری محاسباتی شاخه‌ای از ریاضیات و علوم رایانه است که به ارزیابی کارایی الگوریتم‌های یادگیری ماشینی می‌پردازد. این نظریه عموماً به تحلیل الگوریتم‌های یادگیری با نظارت می‌پردازد و سعی می‌کند کران‌هایی برای کارایی یک الگوریتم در داده دیده‌نشده با استفاده از اطلاعات کارایی آن الگوریتم در داده در دسترس و پیچیدگی الگوریتم بیابد. بعد وی‌سی و یادگیری صحیح احتمالی تخمینی مثال‌هایی از نظریه یادگیری محاسباتی هستند که به ترتیب به اختراع الگوریتم‌های ماشین بردار پشتیبانی و بوستینگ انجامیدند. این نظریه به تحلیل پیچیدگی زمانی الگوریتم‌های یادگیری نیز می‌پردازد. این درس به کمک آقای امید اعتصامی مدرس IPM و فارغ‌التحصیل دانشگاه برکلی تدریس شده است.

منطق دانش شناسایی و ارائهٔ روش درست اندیشیدن (تعریف کردن و استدلال کردن) است. در گذشته منطق صرفاً شاخه‌ای از فلسفه شمرده می‌شد ولی از میانهٔ سدهٔ نوزدهم در ریاضیّات و در دهه‌های واپسین در علوم رایانه و از دهه ۱۹۸۰ در علوم شناختی نیز به آن می‌پردازند. منطق از نطق و به معنای گویش و گفتار است که شخص برای تفهیم مخاطب خود وی را با ادله گفتاری تحت تأثیر قرار می‌دهد و نیز خود شخص که حاضر به شنیدن گفته‌های مخاطب خود باشد او یک شخص (منطقی) می‌باشد.