هدف این درس، آشنا کردن دانشجویان کارشناسی ارشد و دکترا با مفاهیم و مسائل مطرح در زیرساخت‌های مرتبط با ذخیره‌سازی و مدیریت داده‌های بزرگ است. تمامی مفاهیم مطرح در این درس به صورت ملموس و عملی تدریس می‌شود و از دانشجویان خواسته می‌شود که زیرساخت‌های تدریس‌شده را راه‌اندازی کرده و با‌ آن‌ها به صورت عملی کار کنند. به منظور همگرایی بهتر سعی شده است از هر مفهوم زیرساختی، یک فناوری عملی از آن نیز انتخاب شود و در حین آموزش مفاهیم تدریس گردد. به منظور راحتی بیشتر و همچنین یکپارچگی آسان‌تر، همه فناوری‌های از پشته Apache‌ و Hadoop‌ انتخاب شده‌اند.

1. مروری عملی بر سیستم‌ عامل
2. مروری بر پایگاه‌های داده به صورت عملی
3. ماشین‌های مجازی و فناوری کانتینر
4. مفاهیم مرتبط با سیستم عامل در تحلیل داده‌های حجیم
   • مفاهیم مقدماتی
   • معماری Hadoop
   • فایل سیستم توزیع‌شده و HDFS
   • محاسبه توزیع‌شده و MapReduce
   • ارسال کار نگاشت کاهش به Yarn
5. جریان‌های کاری در Hadoop
   • Hadoop Streaming
   • مثال‌هایی از برنامه‌نویسی MapReduce‌ با پایتون
   • MapReduce پیشرفته
6. محاسبات داخل حافظه‌ای و Spark
   • مفاهیم Spark
   • استفاده از PySpark
   • پیاده‌سازی یک برنامه Spark
7. انبار‌های داده و کاوش آن‌ها
   • انبار داده و شمای داده‌ها
   • کوئری روی داده‌های ساختاریافته با Hive
   • پایگاه‌های داده ستون-محور و تحلیل بلادرنگ داده با HBase
8. یکپارچگی داده
   • واردسازی داد‌ه‌های رابطه‌ای با استفاده Sqoop
   • وارد‌سازی جریان‌های داده با استفاده از Flume
9. تحلیل داده با APIهای لایه‌ بالاتر
   • آشنایی با فناوری Pig
   • آشنایی با API‌های لایه بالاتر Spark‌ مانند Spark SQL و DataFrame
10. مقدمه‌ای بر یادگیری ماشین توزیع شده با Spark

• آزمون: آزمون‌های میان‌نیم‌سال و پایان‌نیم‌سال (۴۰ درصد نمره)
• تمرین ‌و پروژه : سه تمرین تئوری و یک پروژه عملی که در طول نیم‌سال تحویل داده می‌شوند (۴۰ درصد نمره).
• گزارش پژوهشی: موضوع پژوهش قبل از آزمون پایان‌نیم‌سال تعیین می‌شود. دانشجو کار پژوهش را با کمک استاد درس آغاز کرده و پس از انجام کار، نتیجه پژوهش را در قالب گزارش ارائه می‌دهد (۲۰ درصد نمره).