Σκοπός του μαθήματος είναι η προσφορά τεχνογνωσίας σε εξαιρετικά γρήγορους αλγόριθμους: καθώς τα σύνολα δεδομέων μεγαλώνουν, ακόμα και αλγόριθμοι που τρέχουν σε γραμμικό χρόνο ως προς το μήκος της εισόδου ενδέχεται να είναι απαγορευτικα αργοί. Ιδανικά, όπου αυτό είναι εφτικτό, θα θέλαμε οι αλγόριθμοί μας να χρησιμοποιούν χρόνο και χώρο υπογραμμικό ως προς τις παραμέτρους εισόδου του προβλήματος.

Τα τελευταία χρόνια, ένα σύνολο τεχνικών και εναλλακτικών προσεγγίσεων για την επεξεργασία μεγάλων δεδομένων έχουν ανακαλυφθεί. Πολλές από αυτές τις τεχνικές εκμεταλλεύονται την πιθανή δομή που υπάρχει στα σύνολα δεδομένων, με σκοπό να ξεπεράσουν τους περιορισμούς που θέτουν οι συμβατικές μέθοδοι. Μία βασική ιδέα που διατρέχει όλες τις παραπάνω τεχνικές είναι η δημιούργια μίας περιληπτικής περιγραφής του συνόλου δεδομένων, την οποἰα θα αποκαλούμε “σκιαγράφημα”.  Αυτή η περιγραφή  μπορεί-και πρέπει- να είναι αρκετά μικρότερη (συχνά εκθετικά!) από το ίδιο το σύνολο, ωστόσο διατηρεί ιδιότητες του αρχικού συνόλου και επιτρέπει υπολογισμούς σε υπογραμμικό χρόνο, χώρο ή σε κάποια άλλη ενδιαφέρουσα παράμετρο. Αυτές οι τεχνικές βρίσκουν σημαντική εφαρμογή στον κλάδο της Τεχνητής Μάθησης, σε βάσεις δεδομένων, σε βιοπληροφορική, σε νευροεπιστημονικές εφαρμογές, σε διαχείριση δικτύων, σε συμπίεση δεδομένων και σε επεξεργασία σήματος.