DSK820: Diskrete metoder for Data Science
Studienævn for naturvidenskabelige IT-uddannelser
Undervisningssprog: Engelsk
EKA: N340148212, N340148202
Censur: Intern prøve, en bedømmer, Ekstern prøve
Bedømmelse: Bestået/Ikke bestået, 7-trinsskala
Udbudssteder: Kolding
Udbudsterminer: Efterår
Niveau: Kandidat
STADS ID (UVA): N340148201
ECTS-point: 10
Godkendelsesdato: 12-03-2025
Varighed: 1 semester
Version: Godkendt - aktiv
Intern kursuskode
Indgangskrav
Kurset kan ikke følges af studerende, der: enten har fulgt, eller har bestået DM549, MM537, DS820 eller DM547.
Dette kursus kan ikke følges af kandidatstuderende på Datalogi.
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.
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
- Bevisteknikker: direkte bevis, kontrapositionsbevis, modstridsbevis og induktionsbevis
- Mængder og kardinalitet
- Funktioner
- Rekursive definitioner og stærk induktion
- Relationer, herunder forskellige repræsentationer af relationer, lukninger, partielle ordninger og ækvivalensrelationer
- Talteori, herunder delelighed, primtal og kongruenser
- Strukturel induktion
- Matricer: addition, multiplikation og transponering
- Følger og rækker
- Tælleteknikker, herunder kombinationer, permutationer, binomialkoefficienter
Litteratur
Eksamensbestemmelser
Eksamenselement a)
Tidsmæssig placering
Efterår
Udprøvninger
Obligatoriske opgaver
EKA
N340148212
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
Eksamenselement b)
Tidsmæssig placering
Januar
Udprøvninger
Skriftlig eksamen
EKA
N340148202
Censur
Ekstern prøve
Bedømmelse
7-trinsskala
Identifikation
Studiekort - Eksamensnummer
Sprog
Følger, som udgangspunkt, undervisningssprog
Varighed
4 timer
Hjælpemidler
Alle almindelige hjælpemidler er tilladte fx lærebøger, egne noter, computerprogrammer som ikke benytter internettet m.v.
Internet er ikke tilladt. Du må dog gå ind på system DE-Digital Eksamen i forbindelse med udfyldelse af multiple choice testen. Noter fra kurset i itslearning, som du ønsker at anvende som hjælpemidler, skal downloades til din computer senest dagen før eksamenen. Under eksamenen må itslearning ikke anvendes.
ECTS-point
9
Uddybende information
Eksamensopgaven er MCQ-format. MCQ udleveres i system DE-Digital Eksamen
Vejledende antal undervisningstimer
Undervisningsform
Skemalagte undervisningstimer:
Antal undervisningstimer i alt: 84
Heraf:
Fællestimer i klasselokale/auditorium: 84
Fagets grundbegreber og metoder præsenteres, med såvel teori som eksempler baseret på konkrete data. I disse timer er der mulighed for spørgsmål og diskussion. Der arbejdes med regneopgaver og diskussionsemner, som relaterer sig til indholdet i de præsenterede grundbegreber og metoder. Der vil være mulighed for at arbejde specifikt med særligt vanskelige emner.
Andre planlagte undervisningsaktiviteter:
De studerende arbejder i deres studiegrupper med at lære grundlæggende begreber og teknikker fra kurset.
Ansvarlig underviser
Skemaoplysninger
Administrationsenhed
Team hos Registratur
Udbudssteder
Anbefalede studieforløb
| Profil | Uddannelse | Semester | Udbuds periode |
|---|---|---|---|
| KA Data Science, ICT Systems - optag 1. september 2024 og 2025 | Kandidat Data Science kandidat | Kandidat i Data Science | Kolding | 1 | E25 |
Overgangsordninger
Overgangsordninger beskriver, hvordan et kursus erstatter et andet kursus, når der ændres i et studieforløb.
Hvis der er lavet en overgangsordning for et kursus vil den fremgå af oversigten.
Se overgangsordninger for alle kurser på Det Naturvidenskabelige Fakultet.
Se overgangsordninger for alle kurser på Det Naturvidenskabelige Fakultet.