سخنرانی اول با عنوان «مدل‌های گرافیکی احتمالی» توسط آقای دکتر وحید رضایی‌تبار، عضو هیئت علمی گروه آمار دانشگاه علامه طباطبایی ارائه شد. ایشان در این سخنرانی مدل‌های گرافیکی احتمالی زیرساختی را برای حالت‌هایی معرفی کردند که در آن‌ها تعدادی متغیر با هم تعامل می کنند. ایده‌ی اصلی در طراحی مدل گرافیکی، استفاده از ساختار علت و معلولی است. یادگیری در مدل‌های گرافیکی احتمالی، فرایندی دومرحله‌ای شامل یادگیری ساختاری و یادگیری پارامتری است. هدف در یادگیری ساختاری، پیدا کردن ساختاری است که بیشترین تطابق را با داده‌ها داشته باشد، و هدف در یادگیری پارامتری، براورد پارامترهای مدل گرافیکی است.
سخنرانی دوم با عنوان «روش بوت‌استرپ باقیمانده‌ها و توسعه‌ی آن در تحلیل بقا» توسط خانم دکتر پریسا گوانجی، فارغ‌التحصیل دکتری آمار از دانشگاه کوئینز کانادا ارائه شد. ایشان در ابتدای سخنرانی مطرح کردند زمانی که توزیع آماره‌ی مورد نظر برای انجام استنباط آماری نامعلوم باشد یا اندازه‌ی نمونه کافی نباشد روش‌های بوت‌استرپ بسیار مفید واقع می‌شوند. در ادامه مروری بر روش بوت‌استرپ باقیمانده‌ها برای انجام آزمون فرض آماری در مدل رگرسیونی خطی و به توسعه‌ی این روش برای تحلیل داده‌های بقا پرداخته شد. ایشان همچنین ضمن اشاره به این موضوع که روش بوت‌استرپ باقیمانده‌ها توسط لاگین (۱۹۹۵) برای براورد ضرایب رگرسیونی در یک مدل کاکس معرفی شد، به توسعه‌ی این روش برای آزمون فرض اثر متقابل در یک مدل آستانه‌‌ی نشانگر پرداختند.