Algoritmer og datastrukturer (AD)

Kursusindhold

Kursets formål er at præsentere en række algoritmiske paradigmer (herunder del og hersk, grådige algoritmer og dynamisk programmering), samt at introducere en række analyseværktøjer (korrekthed, køretid, pladsbehov). Fokus er på teoretisk analyse af algoritmer og datastrukturer. Kurset beskæftiger sig med algoritmiske problemer, der kan løses i polynomiel tid.

Engelsk titel

Algorithms and Data Structures (AD)

Uddannelse

Bacheloruddannelsen i datalogi

Bacheloruddannelsen i datalogi-økonomi

Bacheloruddannelsen i machine learning og datavidenskab

Bacheloruddannelsen i kognitions- og datavidenskab 

Målbeskrivelse

Viden

  • Sorteringsalgoritmer.
  • Algoritmer til løsning af optimeringsproblemer i grafer.
  • Prioritetskøer og balancerede søgetræer.
  • Amortiseret analyse.
  • Rekursive algoritmer og rekursionsligninger.
  • Grådige algoritmer.
  • Dynamisk programmering.
  • Geometriske algoritmer.
  • Parallelle algoritmer.

 

Færdigheder

  • Genkende algoritmiske paradigmer så som rekursion, dynamisk programmering og grådige algoritmer.
  • Foretage asymptotisk kompleksitetsanalyse af algoritmer og datastrukturer (herunder løsning af rekursionsligninger).
  • Argumentere for korrekthed af algoritmer og datastrukturer vha. induktion (herunder formulering af løkkeinvarianter) samt direkte og modstridsbeviser.

 

Kompetencer

  • Anvende passende algoritmer og datastrukturer på nye problemstillinger.
  • Anvende algoritmiske paradigmer på nye problemstillinger.

Forelæsninger og øvelsestimer.

Cormen at al. Introduction to Algorithms, 4th edition. MIT Press.

Se Absalon for øvrig kursuslitteratur.

Grundlæggende programmeringserfaring samt kendskab til grafer, bevisteknikker (f.eks. bevis ved induktion og modstridsbevis), asymptotisk notation og simple datastrukturer så som lister og stakke. Hvis du er i tvivl om, hvorvidt dine forudsætninger er tilstrækkelige, kan du kontakte den kursusansvarlige.

Skriftlig
Individuel
Kollektiv
Løbende feedback i undervisningsforløbet
ECTS
7,5 ECTS
Prøveform
Skriftlig stedprøve, 4 timer med opsyn.
Krav til indstilling til eksamen

En forudsætning for at gå op til eksamen er aflevering og godkendelse af 4 ud af 5 skriftlige opgaver, der stilles i løbet af kurset (højst 1 opgave per uge).

Hjælpemidler
Kun visse hjælpemidler tilladt
  • Computer
  • Noter
  • Opgaver
  • Lærebøger
Bedømmelsesform
7-trins skala
Censurform
Ekstern censur
Reeksamen

Som ordinær eksamen.

Kvalificering til reeksamen opnås ved aflevering og godkendelse af 4 ud af 5 opgaver senest 3 uger før reeksamen.

Kriterier for bedømmelse

Se målbeskrivelsen

Enkeltfag dagtimer (tompladsordning)

  • Kategori
  • Timer
  • Forelæsninger
  • 28
  • Forberedelse (anslået)
  • 96
  • Teoretiske øvelser
  • 78
  • Eksamen
  • 4
  • Total
  • 206

Kursusinformation

Undervisningssprog
Dansk
Kursusnummer
NDAA04010U
ECTS
7,5 ECTS
Niveau
Bachelor
Varighed

1 blok

Placering
Blok 3
Skemagruppe
C
Kapacitet
Ingen begrænsning – medmindre du tilmelder dig i eftertilmeldingsperioden (BA og KA) eller som merit- eller enkeltfagsstuderende.
Studienævn
Studienævn for Matematik og Datalogi
Udbydende institut
  • Datalogisk Institut
Udbydende fakultet
  • Det Natur- og Biovidenskabelige Fakultet
Kursusansvarlig
  • Rasmus Pagh   (4-73646a6b43676c316e7831676e)
Underviser

Mikkel Abrahamsen
Pawel Winter

Gemt den 14-02-2024

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