DM534: Introduktion til Datalogi

Det Naturvidenskabelige Studienævn

Undervisningssprog: På dansk eller engelsk afhængigt af underviser
EKA: N330027102
Censur: Intern prøve, to eller flere bedømmere
Bedømmelse: 7-trinsskala
Udbudssteder: Odense
Udbudsterminer: Efterår
Niveau: Bachelor

STADS ID (UVA): N330027101
ECTS-point: 5

Godkendelsesdato: 04-05-2018


Varighed: 1 semester

Version: Arkiv

Kommentar

15015801(tidligere UVA) er identisk med denne kursusbeskrivelse.
Fælles med DM558: Introduktion til Datalogi (10 ECTS)

Indgangskrav

Ingen

Faglige forudsætninger

Studerende, der følger kurset, forventes senest sideløbende at erhverve sig kendskab til basal diskret matematik samt kompetencer i basal programmering.

Formål

Kursets formål er at give en kort introduktion til et bredt udvalg af centrale emner indenfor datalogi, sådan at de studerende allerede tidligt i deres uddannelse får en forståelse for, hvad faget datalogi indeholder, og hvad karakteren af deres uddannelse er. Et andet formål er at introducere nogle hjælpeværktøjer som er nyttige under datalogiuddannelsen. Et tredie formål er at de studerende bevistgøres om vigtigheden af forståelse i arbejdet med fagligt stof.

Kurset bygger delvis oven på den viden som erhverves sideløbende i kurserne DM550 Introduktion til Programmering og DM549 Diskrete Metoder til Datalogi, og udgør et perspektiverende grundlag for resten at bachelorstudiet i datalogi.

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

  • Kunne forstå og reflektere over teorier, metoder og praksis inden for det datalogiske fagområde.
  • Beskrive, analysere og løse datalogiske problemstillinger ved anvendelsen af metoder og modelleringsformalismer fra fagets kerneområder og dets matematiske støttediscipliner.
  • Beskrive, formulere og formidle problemstillinger og resultater til fagfæller.

Målbeskrivelse

For at opnå kursets formål er det læringsmålet for kurset, at den studerende demonstrerer evnen til at:

  • Konvertere tal fra decimal til binær eller floating point repræsentation, og omvendt.
  • Lave et simpelt logisk kredsløb.
  • Programmere i et simplificeret maskinsprog.
  • Lave simpel datamodellering og simple forespørgsler i en relationel database.
  • Designe og implementere simple algoritmer og analysere deres egenskaber, herunder korrekthed og tidsforbrug.
  • Beskrive ideen i RSA-kryptering og lave relaterede beregninger.
  • Beskrive og anvende nogle principper for kunstig intelligens.
  • Kunne løse simple problemer omhandlende endelige automater og formelle grammatikker.
  • Modellere og løse kombinatoriske problemer via SAT-solvers
  • Bruge et versionsstyringsredskab under udarbejdelse af programmer.


Indhold

Kurset indeholder følgende faglige hovedområder:

  • Datalogiens historie
  • Computerarkitektur
  • Algoritmer
  • Databaser
  • Formelle modeller for beregning
  • Modellering og løsning af kombinatoriske problemer via SAT-solvers
  • Kunstig intelligens
  • Kryptologi
  • 3D-grafik
  • Versionsstyring

Litteratur

Se BlackBoard for pensumlister og yderligere litteraturhenvisninger.

Eksamensbestemmelser

Eksamenselement a)

Tidsmæssig placering

Efterår

Udprøvninger

Obligatoriske opgaver

EKA

N330027102

Censur

Intern prøve, to eller flere bedømmere

Bedømmelse

7-trinsskala

Identifikation

Fulde navn og SDU brugernavn

Sprog

Følger, som udgangspunkt, undervisningssprog

Hjælpemidler

Oplyses på kurset

ECTS-point

5

Uddybende information

Obligatoriske opgaver i form af multiple choice-tests, der laves i løbet af undervisningen.

Reeksamen i samme termin eller umiddelbart derefter. Reeksamen er en mundtlig eksamen, der bedømmes med 7-trinsskala og intern censur.

Vejledende antal undervisningstimer

86 timer per semester

Undervisningsform

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

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. I studiefasen arbejder de studerende selvstændigt med opgaver og forståelsen af fagets termer og begreber diskuteres. Der er efterfølgende mulighed for at bringe spørgsmål op i enten introfasetimerne eller træningsfasetimerne.

Introfase: 36 timer
Træningsfase: 34 timer, heraf, Eksaminatorie: 24 timer og laboratorieøvelser: 10 timer
Studiefase: 16 timer

Bemærk at en del af arbejdsbelastningen i dette kursus formelt henregnes under kurset FF500: Introduktion til fag, forskning og fællesskab (5 ECTS).

Aktiviteter i studiefasen:

  • Løse opgaver
  • Læse den tildelte literatur
  • Øve at anvende den tilegnede viden

Ansvarlig underviser

Navn E-mail Institut
Rolf Fagerberg rolf@imada.sdu.dk

Skemaoplysninger

Administrationsenhed

Institut for Matematik og Datalogi (datalogi)

Udbudssteder

Odense

Anbefalede studieforløb