Matematisk analyse og sandsynlighedsteori i datalogi (MASD)

Kursusindhold

Kurset giver en introduktion til analyse i en og flere variabler. Kurset giver derudover en introduktion til sandsynlighedsteori.

 

Engelsk titel

Mathematical Analysis and Probability Theory for Computer Scientists (MASD)

Uddannelse

Bacheloruddannelsen i datalogi

Målbeskrivelse

Viden om

  • Følger og serier.

  • Almindelige matematiske funktioner af en variabel, særlig eksponentialfunktionen.

  • Kontinuitet, grænseværdier, differentiation og integration i en og flere variable.

  • Infinitesimalregningens hovedsætning.

  • Taylors sætning.

  • Optimering i en og flere variable.

  • Almindelige sandsynlighedsfordelinger og deres anvendelser.

  • Elementære principper for sandsynlighedsberegninger.

  • Sandsynlighed, betinget sandsynlighed og uafhængighed.

  • Stokastiske variable, middelværdi og varians.

  • Forskellige fordelinger, herunder binomialfordelingen.

 

Færdigheder i

  • Udføre numeriske beregninger samt at visualisere funktioner, billeder og beregningsresultater med hjælp af et computerprogram (mest sandsynligt Python).

  • Bevise sætninger og matematiske påstande indenfor analyse og sandsynlighedsteori.

  • Analysere konvergens af følger og serier.

  • Differentiere og integrere almindelige funktioner af en og flere variable analytisk.

  • Differentiere og integrere almindelige funktioner af en og flere variable numerisk ved hjælp af finite differences.

  • Bruge afledte i en og flere variable til dataprocessering og optimering.

  • Løse optimeringsproblemer analytisk og numerisk.

  • Udføre elementære sandsynlighedsberegninger samt foretage almindelige approksimationer eller estimeringer af sandsynligheder.

  • Udføre estimation i simple normalfordelingsmodeller, herunder ét- og to-stikprøveproblemer, både formelmæssigt og vha. et computerprogram.

 

Kompetencer i

  • Løse videnskabelige problemer ved hjælp af analyse, inkluderet analytisk og numerisk løsning af optimeringsproblemer.

  • Oversætte videnskabelige problemstillinger, der involverer usikkerhed eller tilfældighed, til sandsynlighedsteoretiske problemstillinger, som derefter kan analyseres matematisk.

  • Beskrive løsninger af problemer i form af matematiske beviser, beskrivelse af matematiske og statistiske modeller, samt fremstilling af eksperimentelle metoder og resultater i rapportform.

 

Forelæsninger, øvelser og obligatoriske hjemmeopgaver.

Se Absalon, når kurset er sat op.

Lærebøgerne bliver sandsynligvis:

Grundlæggende programmeringserfaring.
Lineær algebra og grundlæggende matematisk metoder (beviser og, især, induktionsbeviser). De matematiske forudsætninger vil f. eks. være dækket af LinAlgDat og DMA eller tilsvarende.

Skriftlig
Mundtlig
Individuel
Løbende feedback i undervisningsforløbet

Der gives som udgangspunkt skriftlig feedback på de kvalificerende opgaver. 

Derudover kan de studerende få mundtlig feedback og uddybelse på de kvalificerende opgaver til instruktortimerne.

ECTS
7,5 ECTS
Prøveform
Skriftlig prøve, 4 timer med opsyn.
Prøveformsdetaljer
ITX eksamen med adgang til kursets E-lærebøger.
Hjælpemidler
Skriftlige hjælpemidler tilladt

Skriftlige hjælpemidler inkluderer de elektroniske udgaver af lærebøgerne, der bruges på kurset. 

 

Bedømmelsesform
7-trins skala
Censurform
Ingen ekstern censur
Flere interne bedømmere.
Kriterier for bedømmelse

Se målbeskrivelsen.

Enkeltfag dagtimer (tompladsordning)

  • Kategori
  • Timer
  • Forelæsninger
  • 28
  • Holdundervisning
  • 21
  • Forberedelse (anslået)
  • 44
  • Øvelser
  • 109
  • Eksamen
  • 4
  • Total
  • 206

Kursusinformation

Undervisningssprog
Dansk
Kursusnummer
NDAB18002U
ECTS
7,5 ECTS
Niveau
Bachelor
Varighed

1 blok

Placering
Blok 1
Skemagruppe
A (tirs 8-12 + tors 8-17)
Kapacitet
Ingen begrænsning.
Der kan være færre pladser i eftertilmeldingsperioden
Studienævn
Studienævn for Matematik og Datalogi
Udbydende institut
  • Datalogisk Institut
Udbydende fakultet
  • Det Natur- og Biovidenskabelige Fakultet
Kursusansvarlig
  • Stefan Horst Sommer   (6-84807e7e768351757a3f7c863f757c)
Underviser

Pawel Winter

Gemt den 14-03-2022

Are you BA- or KA-student?

Are you bachelor- or kandidat-student, then find the course in the course catalog for students:

Courseinformation of students