Randomiserede algoritmer til dataanalyse (RAD)
Kursusindhold
Randomiserede algoritmer er ofte deres traditionelle deterministiske modstykker overlegne. Mange beregningsproblemer er i praksis umulige uden brug af randomisering.
Anvendelsesområder, såsom grafalgoritmer og store datastrømme med relevans for maskinlæring og dataanalyse, vil behandles, men fokus vil være på den grundlæggende forståelse for at give den studerende det nødvendige grundlag for at forstå og bruge sandsynligheder i algoritmer og dataanalyse.
Randomised Algorithms for Data Analysis (RAD)
Bacheloruddannelsen i datalogi
Viden om:
Relevant kombinatorisk sandsynlighedsteori og randomiserede teknikker i algoritmik:
- Varians og spredning
- Haleuligheder
- Randomiserede datastrukturer
- Randomiserede algoritmer
- Analyse af store datastrømme
Færdigheder i at:
- Vise grænser for forventet køretid af randomiserede algoritmer
- Forklare metoder til at begrænse sandsynligheden for, at en tilfældig variabel afviger langt fra dens forventede værdi
Kompetencer til at:
- Ræsonnere om og anvende randomiserede teknikker til dataanalyseproblemer
- Finde simple og effektive randomiserde algoritmer og datastrukturer, hvor traditionelle deterministiske metoder er vanskeligere eller mindre effektive
Forelæsninger, øvelser, ugeopgaver og et implementeringsprojekt.
Se Absalon.
Forventes at være "Randomized Algorithms" af Motwani and Raghavan.
Grundlæggende sandsynlighedsregning svarende til kurset "Matematisk analyse og sandsynlighedsteori i datalogi" eller "Matematisk analyse og statistik i datalogi" samt grundlæggende algoritmik svarende til kurset "Algoritmer og datastrukturer".
- ECTS
- 7,5 ECTS
- Prøveform
-
Mundtlig prøve, 30 minutter
- Prøveformsdetaljer
- Der er 30 minutters forberedelse til den mundtlige eksamen
- Krav til indstilling til eksamen
-
En forudsætning for at gå op til eksamen er aflevering og godkendelse af implementeringsprojektet samt 3 ud af 4 skriftlige ugentlige opgaver.
- Hjælpemidler
- Alle hjælpemidler tilladt
- Bedømmelsesform
- 7-trins skala
- Censurform
- Ekstern censur
- Reeksamen
-
Reeksamensform er samme som ordinær eksamen.
Kvalificering til reeksamen opnås ved aflevering af og godkendelse af implementeringsprojekt samt 3 ud af 4 ugeopgaver senest 2 uger før reeksamen.
Kriterier for bedømmelse
Se læringsmålene.
Enkeltfag dagtimer (tompladsordning)
- Kategori
- Timer
- Forelæsninger
- 28
- Forberedelse (anslået)
- 100
- Teoretiske øvelser
- 28
- Øvelser
- 24
- Projektarbejde
- 25
- Eksamen
- 1
- Total
- 206
Kursusinformation
- Undervisningssprog
- Dansk
- Kursusnummer
- NDAB18001U
- ECTS
- 7,5 ECTS
- Niveau
- Bachelor
- Varighed
-
1 blok
- Placering
- Blok 4
- Skemagruppe
-
C
- 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
- Jacob Holm (4-7970777e4f73783d7a843d737a)
Underviser
Mikkel Thorup
Er du BA- eller KA-studerende?
Kursusinformation for indskrevne studerende