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.
Mathematical Analysis and Probability Theory for Computer Scientists (MASD)
Bacheloruddannelsen i datalogi
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:
- James Stewart: Calculus, early transcendentals, 9th edition (metric version)Links to an external site. , ISBN: 9780357113516.
- Introduction to Probability, Statistics and Random Processes, Author: Hossein Pishro-Nik, Publisher: Kappa Research, LLC (2014) ISBN-10 : 0990637204, The book is available online for free at https://www.probabilitycourse.com (Links to an external site.)
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.
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.
- Hjælpemidler
- Skriftlige hjælpemidler tilladt
Skriftlige hjælpemidler inkluderer de elektroniske udgaver af lærebøgerne, der bruges på kurset.
Det er tilladt at medbringe egen computer, men udelukkende for at tilgå de elektroniske lærebøger.
- 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 Sommer (6-76727070687543676c316e7831676e)
Underviser
Pawel Winter
Are you BA- or KA-student?
Courseinformation of students