با افزایش چشمگیر حجم داده‌های ارزشمند و محدودیت پردازشی و ظرفیتی حافظه‌های سریع، نیاز به طراحی داده‌ساختارها و الگوریتم‌های ویژه برای داده‌های حجیم روزبه‌روز محسوس‌تر می‌شود. در این درس، مدل‌های رایج برای داده‌های حجیم مطرح و برای برخی مسائل پایه‌ای، الگوریتم‌های بهینه ارائه می‌شود

• Cache-aware Models (۱۰ جلسه)
  • معرفی مدل‌
  • الگوریتم‌های مرتب‌سازی و کران پایین آن
  • داده‌ساختارهای جست‌وجو: Persistent B-tree،Weighted B-tree ،B-tree و Buffer tree
  • داده‌ساختارهای هندسی: Priority search tree ،Interval tree ،Range tree و KD-tree
  • یک نمونه الگوریتم جاروب
  • الگوریتم‌های گراف: DFS ،BFS ،Algorithms on trees ،List ranking و MST
• Cache-oblivious Models (۲ جلسه)
  • معرفی مدل
  • مرتب‌سازی
  • داده‌ساختارهای جست‌وجو
  • ضرب ماتریس‌ها
• Streaming Models (۱۰ جلسه)
  • معرفی مدل
  • پیدا کردن اعداد با تکرار زیاد
  • پیدا کردن تعداد اعداد متمایز
  • معرفی تکنیک sketching
  • بررسی مسائل پایه‌ای گراف
  • بررسی مسائل هندسی و معرفی core-sets
  • خوشه‌بندی
  • نظریه ارتباطات و حد پایین
• Sublinear Algorithms (۲ جلسه)
  • معرفی مدل
  • محاسبه میانگین درجه‌ی گراف
  • اشتراک دو گوژ محدب

• آزمون: آزمون‌های میان ترم و پایان ترم (۱۴ نمره)
• ارائه و گزارش پژوهشی (۳ نمره).
• تمرین تئوری (۳ نمره)