DSK820: Diskrete metoder for Data Science
Intern kursuskode
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.
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
Udprøvninger
Obligatoriske opgaver
EKA
Censur
Bedømmelse
Identifikation
Sprog
Hjælpemidler
ECTS-point
Eksamenselement b)
Tidsmæssig placering
Udprøvninger
Skriftlig eksamen
EKA
Censur
Bedømmelse
Identifikation
Sprog
Varighed
Hjælpemidler
Eksamen er med begrænsede hjælpemidler. Det er kun følgende hjælpemidler som er tilladt:
• lærebøger, noter, forelæsningspræsentationer, kompendier og formelsamlinger mv.
Internet er ikke tilladt. Du må dog gå ind på kursets hjemmeside i itslearning i forbindelse med åbning af system "DE – Digital Eksamen" og udfyldelse af evt. test i systemet.
ECTS-point
Uddybende information
Vejledende antal undervisningstimer
Undervisningsform
Ansvarlig underviser
| Navn | Institut | |
|---|---|---|
| Kristin Elizabeth Gabe | kcourtney@imada.sdu.dk | Institut for Matematik og Datalogi |
Yderligere undervisere
Skemaoplysninger
Administrationsenhed
Team hos Registratur
Udbudssteder
Anbefalede studieforløb
Overgangsordninger
Se overgangsordninger for alle kurser på Det Naturvidenskabelige Fakultet.