DS820: Diskrete metoder for Data Science

Det Naturvidenskabelige Studienævn

Undervisningssprog: Dansk
EKA: N340093112, N340093102
Censur: Intern prøve, en bedømmer, Ekstern prøve
Bedømmelse: Bestået/Ikke bestået, 7-trinsskala
Udbudssteder: Odense
Udbudsterminer: Efterår
Niveau: Kandidat

STADS ID (UVA): N340093101
ECTS-point: 10

Godkendelsesdato: 09-02-2021


Varighed: 1 semester

Version: Arkiv

Kommentar

Kurset samlæses med DM549 Diskrete Metoder til Datalogi, MM537: Introduktion til Matematiske Metoder og MM540: Matematiske Metoder for Økonomi.

Indgangskrav

Ingen

Faglige forudsætninger

Studerende, der følger kurset, forventes at have A-niveau i matematik fra en gymnasial uddannelse.

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

Se itslearning for pensumlister og yderligere litteraturhenvisninger.

Eksamensbestemmelser

Eksamenselement a)

Tidsmæssig placering

Efterår

Udprøvninger

Obligatoriske opgaver

EKA

N340093112

Censur

Intern prøve, en bedømmer

Bedømmelse

Bestået/Ikke bestået

Identifikation

Fulde navn og SDU brugernavn

Sprog

Følger, som udgangspunkt, undervisningssprog

Hjælpemidler

Oplyses på kurset

ECTS-point

1

Uddybende information

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

Eksamenselement b)

Tidsmæssig placering

Januar

Udprøvninger

Skriftlig eksamen

EKA

N340093102

Censur

Ekstern prøve

Bedømmelse

7-trinsskala

Identifikation

Studiekort

Sprog

Følger, som udgangspunkt, undervisningssprog

Varighed

4 timer

Hjælpemidler

Tilladt, nærmere beskrivelse af eksamensreglerne vil blive offentliggjort i itslearning.

ECTS-point

9

Uddybende information

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

Vejledende antal undervisningstimer

104 timer per semester

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

Navn E-mail Institut
Lene Monrad Favrholdt lenem@imada.sdu.dk Algorithms

Skemaoplysninger

Administrationsenhed

Institut for Matematik og Datalogi (datalogi)

Team hos Uddannelsesjura & Registratur

NAT

Udbudssteder

Odense

Anbefalede studieforløb