DM876: Graftegning

Det Naturvidenskabelige Studienævn

Undervisningssprog: På dansk eller engelsk afhængigt af underviser
EKA: N340059102
Censur: Ekstern prøve
Bedømmelse: 7-trinsskala
Udbudssteder: Odense
Udbudsterminer: Forår
Niveau: Kandidat

STADS ID (UVA): N340059101
ECTS-point: 5

Godkendelsesdato: 02-10-2019


Varighed: 1 semester

Version: Arkiv

Kommentar

NYT kursus F20

Indgangskrav

Bestået bachelorgrad i Datalogi.

Faglige forudsætninger

Studerende, der følger kurset, forventes at:

    • have kendskab til grundlæggende datastrukturer

    • have kendskab til grundlæggende algoritmer til behandling af data og manipulation af datastrukturer

    • kunne bestemme kompleksiteten af algoritmer og anvende optimeringsstrategier

Formål

Formålet med kurset er at give den studerende mulighed for at anvende og implementere graftegningsalgoritmer til at visualisere grafteoretiske mønstre. Kurset giver et overblik over graftegningsalgoritmer, der skal anvendes til forskellige graftyper, såsom træer, orienterede og ikke-orienterede grafer. Derudover diskuteres æstetiske kriterier og strategier til visualisering af strukturelle mønstrer i grafer på passende måder. Grafstrukturer er fundamentale for mange forskningsområder, såsom socialt netværksteori, biologi og kartografi, og deres visualisering er vigtig for domæneeksperter for at forstå topologiske egenskaber ved grafer, der er nødvendige for at verificere og generere hypoteser om det undersøgte emne.


Kurset bygger på den viden, der er erhvervet i kurserne DM550 (Introduktion til programmering), DM507 (Algoritmer og datastrukturer) og DM553 (Kompleksitet og beregnelighed), og giver et akademisk grundlag for at forberede et speciale, hvor grafstrukturer er i fokus.


I forhold til uddannelsens kompetenceprofil har kurset eksplicit fokus på at:

    • give ekspertviden om et udvalgt studieområde, der er relateret til flere forskningsområder

    • give kompetence til at beskrive graftegning algoritmer præsenteret i løbet af kurset

    • give færdigheder til at anvende de gennemgåede graftegningsalgoritmer på kompetent vis

    • give kompetence til at tilpasse graftegningsalgoritmer til applikationskrav, herunder evnen til at tage beslutte om layout-begrænsninger og visuelle funktion aniteter

    • give kompetence til at overføre gennemgåede algoritmer til forskellige applikationsområder

    • udfordre den studerende med virkelige datasæt og problemløsning

Målbeskrivelse

For at opnå kursets formål er det læringsmålet for kurset, at den studerende demonstrerer evnen til at:
    • beskrive, hvordan graftegningsalgoritmer fungerer
    • vælge passende graftegningsalgoritmer til givne grafer
    • overveje æstetiske kriterier, når man tegner grafer
    • implementere graftegningsalgoritmer
    • tilpasse standard graftegningsalgoritmer til forekommende data anomalier
    • opdage flaskehalse i graftegningsalgoritmer og anvende optimeringsstrategier
    • designe og implementere brugergrænseflader til grafvisualisering

Indhold

Kurset indeholder følgende faglige hovedområder:

    • graf embedding, planaritetstest og planarisering af grafer

    • æstetiske kriterier, der skal overvejes, når man tegner grafer

    • lineære, ortogonale, rektangulære og polylinje tegningsalgoritmer

    • kraftorienterede tegningsalgoritmer

    • hierarkiske tegningsalgoritmer

    • træ-tegningsalgoritmer

    • diverse graftegninger, fx radiale layouts, kantdiagrammer, produkt-graftegninger, topologisk graf-layout

    • anvendelser af graftegningsalgoritmer inden for forskellige forskningsområder, fx biologi, kartografi, dataanalyse og digital humaniore

    • visuelle funktioner, der skal bruges til formidling af grafteoretiske mønstre i en visuel form

    • implementering af valgte graftegningsalgoritmer

Litteratur

Se BlackBoard for pensumlister og yderligere litteraturhenvisninger.

Eksamensbestemmelser

Eksamenselement a)

Tidsmæssig placering

Forår

Udprøvninger

Mundtlig eksamen

EKA

N340059102

Censur

Ekstern prøve

Bedømmelse

7-trinsskala

Identifikation

Studiekort

Sprog

Følger, som udgangspunkt, undervisningssprog

Hjælpemidler

Tilladt, nærmere beskrivelse af eksamensreglerne vil blive offentliggjort under 'Course Information' på kursets side i BlackBoard.

ECTS-point

5

Uddybende information

Eksamen består af praktiske opgaver indleveret løbende gennem kurset og en skriftlig eksamen.


Eksamensformen ved reeksamen kan være en anden end eksamensformen ved den ordinære eksamen. 

Vejledende antal undervisningstimer

48 timer per semester

Undervisningsform

 På naturvidenskab er undervisningen tilrettelagt efter trefasemodellen dvs. intro, trænings- og studiefasen.

  • Introfase (forelæsning, holdtimer) - Antal timer: 24
  • træningsfase: Antal timer: 24, heraf eksaminatorietimer 24

Introfasen letter introduktionen af nyt materiale og emner, der i træningsfase behandles med øvelser, der forberedes hjemme og diskuteres i klassen for at validere den erhvervede viden. Studiefase i form af praktiske anvendelser giver eleverne mulighed for at anvende den opnåede viden.

Studiefaseaktiviteter:

  • Små projekter, der sigter mod at visualisere grafiske datasæt i den virkelige verden ved at implementere lærte graftegningsalgoritmer
  • Undersøgelse af specialiserede graftegningsalgoritmer baseret på videnskabelige artikler

Ansvarlig underviser

Navn E-mail Institut
Stefan Jänicke stjaenicke@imada.sdu.dk

Skemaoplysninger

Administrationsenhed

Institut for Matematik og Datalogi (datalogi)

Team hos Uddannelsesjura & Registratur

NAT

Udbudssteder

Odense

Anbefalede studieforløb

Profil Uddannelse Semester Udbuds periode