DS820: Diskrete metoder for Data Science
Kommentar
Indgangskrav
Faglige forudsætninger
Formål
Kurset skal formidle basale teknikker i at arbejde med matematiske begreber, der er vigtige inden for Data Science. Dette er en væsentlig forudsætning for at kunne beskrive, analysere og løse problemstillinger, som mødes i Data Science.
Kurset giver fagligt grundlag for alle datalogikurser fra uddannelsens andet semester.
I forhold til uddannelsens kompetenceprofil har kurset eksplicit fokus på at:
- formidle viden om forskellige bevismetoder
- give kompetence til at analysere og generalisere problemstillinger og algoritmer fra Data Science
- give færdigheder i at udtrykke sin viden klart og præcist
- udvikle færdigheder i at beskrive, analysere og løse problemstillinger i Data Science ved anvendelsen af metoder og modelleringsformalismer fra fagets kerneområder og dets matematiske støttediscipliner
Målbeskrivelse
For at opnå kursets formål er det læringsmålet for kurset, at den studerende demonstrerer evnen til at:
- formalisere udsagn på en korrekt logisk måde
- udtrykke sig kort og præcist
- bevise påstande ved hjælp af forskellige bevismetoder såsom direkte bevis, kontrapositionsbevis, modstridsbevis og induktionsbevis
- anvende begreber, resultater og teknikker lært i kurset på konkrete problemer, kendte såvel som nye
- argumentere fyldestgørende for sine løsninger
Indhold
Kurset indeholder følgende faglige hovedområder:
- Logik
- Mængder og kardinalitet
- Funktioner
- Bevisteknikker: direkte bevis, kontrapositionsbevis, modstridsbevis og induktionsbevis
- Talteori, herunder delelighed, primtal og kongruenser
- Matricer: addition, multiplikation og transponering
- Relationer, herunder forskellige repræsentationer af relationer, lukninger, partielle ordninger og ækvivalensrelationer
- Introduktion til grafer, herunder træer
- Rækker og følger, herunder konvergens
Litteratur
Eksamensbestemmelser
Eksamenselement a)
Tidsmæssig placering
Udprøvninger
Obligatoriske opgaver
EKA
Censur
Bedømmelse
Identifikation
Sprog
Hjælpemidler
ECTS-point
Uddybende information
Eksamenselement b)
Tidsmæssig placering
Udprøvninger
Skriftlig eksamen
EKA
Censur
Bedømmelse
Identifikation
Sprog
Varighed
Hjælpemidler
ECTS-point
Uddybende information
Vejledende antal undervisningstimer
Undervisningsform
På naturvidenskab er undervisningen tilrettelagt efter trefasemodellen dvs. intro, trænings- og studiefasen.
- Introfase (forelæsning, holdtimer) - Antal timer: 42
- Træningsfase: Antal timer: 42
I introfasen benyttes en modificeret udgave af klassisk forelæsning, hvor fagets grundbegreber og metoder præsenteres, med såvel teori som eksempler baseret på konkrete data. I disse timer er der mulighed for spørgsmål og diskussion. I træningsfasen arbejdes der med regneopgaver og diskussionsemner, som relaterer sig til indholdet i de forudgående introfasetimer. I disse timer er der mulighed for at arbejde specifikt med særligt vanskelige emner.
Ansvarlig underviser
Skemaoplysninger
Administrationsenhed
Team hos Uddannelsesjura & Registratur
Udbudssteder
Anbefalede studieforløb
Profil | Uddannelse | Semester | Udbuds periode |
---|---|---|---|
KA Data Science, ICT Systems - optag 1. september 2021 | Data Science kandidat | Kandidat i Data Science | Odense | 1 | E21 |