Семинар посвящен актуальным подходам к многомерному анализу экспериментальных данных и ряду физических результатов, полученных в этих подходах. Обсуждаются методы снижения размерности данных: анализ главных компонент, приложения машинного обучения и др. — а также примеры анализа данных, где эти методы неприменимы и необходимо использование полноценных многомерных фитов (Ndim >= 3). Подходы к многомерным фитам оперируют многомерными гистограммами с оптимизированной структурой бинов (для оценки хи-2 или функции правдоподобия), различными способами оценки многомерных плотностей вероятностей распределения данных, базирующимися на аналитических или Монте-Карло моделях, различными способами интерпретации результатов и оценки их значимости. Обсуждается практический опыт применения этих подходов в анализе данных установки ATLAS (LHC).