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.

Engelsk titel

Randomised Algorithms for Data Analysis (RAD)

Uddannelse

Bacheloruddannelsen i datalogi

Målbeskrivelse

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".

Skriftlig
Individuel
Kollektiv
Løbende feedback i undervisningsforløbet
ECTS
7,5 ECTS
Prøveform
Mundtlig prøve, 30 minutter (30 minutter forberedelse)
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

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 målbeskrivelser

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 – 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
  • Jacob Holm   (4-6f666d7445696e33707a336970)
Gemt den 16-02-2024

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