NDAB18002U Matematisk analyse og sandsynlighedsteori i datalogi (MASD)

Årgang 2019/2020
Engelsk titel

Mathematical Analysis and Probability Theory for Computer Scientists (MASD)

Uddannelse

Bacheloruddannelsen i datalogi

Kursusindhold

Kurset giver en introduktion til analyse i en og flere variabler, inklusiv anvendelser i signal- og billedanalyse. Kurset giver derudover en introduktion til sandsynlighedsteori.

 

Målbeskrivelser

Viden om

  • Følger og serier.

  • Almindelige matematiske funktioner af en variabel, særlig eksponentialfunktionen.

  • Kontinuitet, grænseværdier, differentiation og integration i en og flere variable.

  • Infinitesimalregningens hovedsætning.

  • Taylors sætning.

  • Optimering i en og flere variable.

  • Foldning med anvendelser i signal/​billedprocessering.

  • Almindelige sandsynlighedsfordelinger og deres anvendelser.

  • De sandsynlighedsteoretiske aksiomer samt de elementære principper for sandsynlighedsberegninger.

  • Sandsynlighed, betinget sandsynlighed og uafhængighed.

  • Stokastiske variable, middelværdi og varians.

  • Forskellige fordelinger, herunder binomialfordelingen.

 

Færdigheder i

  • Udføre numeriske beregninger samt at visualisere funktioner, billeder og beregningsresultater med hjælp af et computerprogram (mest sandsynligt Python).

  • Bevise sætninger og matematiske påstande indenfor analyse og statistik.

  • Analysere konvergens af følger og serier.

  • Differentiere og integrere almindelige funktioner af en og flere variable analytisk.

  • Differentiere og integrere almindelige funktioner af en og flere variable numerisk ved hjælpe af finite differences.

  • Beregne foldningsoperatorer og kende deres anvendelse i signal- og billedprocessering.

  • Bruge afledte i en og flere variable til dataprocessering (filtrering) og optimering.

  • Løse optimeringsproblemer analytisk og numerisk.

  • Udføre elementære sandsynlighedsberegninger samt foretage almindelige approksimationer eller estimeringer af sandsynligheder.

  • Udføre estimation i simple normalfordelingsmodeller, herunder ét- og to-stikprøveproblemer, både formelmæssigt og vha. et computerprogram.

  • Udføre grundlæggende statistiske test, både formelmæssigt og vha. et computerprogram.

 

Kompetencer i

  • Løse videnskabelige problemer ved hjælp af analyse, inkluderet analytisk og numerisk løsning af optimeringsproblemer.

  • Oversætte videnskabelige problemstillinger, der involverer usikkerhed eller tilfældighed, til sandsynlighedsteoretiske problemstillinger, som derefter kan analyseres matematisk.

  • Beskrive løsninger af problemer i form af matematiske beviser, beskrivelse af matematiske og statistiske modeller, samt fremstilling af eksperimentelle metoder og resultater i rapportform.

 

Se Absalon, når kurset er sat op.

Grundlæggende programmeringserfaring.
Lineær algebra og grundlæggende matematisk metode (beviser og, især, induktionsbeviser). De matematiske forudsætninger vil f eks være dækket af LinAlgDat og DMA eller tilsvarende.
Forelæsninger, øvelser og obligatoriske hjemmeopgaver.
Kurset er ækvivalent til det nedlagte kursus "Matematisk analyse og statistisk i datalogi (MASD)". Der er en mindre ændring af pensum.
  • Kategori
  • Timer
  • Eksamen
  • 20
  • Forberedelse
  • 28
  • Forelæsninger
  • 28
  • Holdundervisning
  • 21
  • Projektarbejde
  • 109
  • I alt
  • 206
Skriftlig
Mundtlig
Individuel
Løbende feedback i undervisningsforløbet

Der gives som udgangspunkt skriftlig feedback på de individuelle kvalificerende opgaver. Dette forudsætter dog at kursets ressourcer ikke bliver reduceret.

Derudover kan de studerende få mundtlig feedback og uddybelse på de kvalificerende opgaver til instruktortimerne.

Point
7,5 ECTS
Prøveform
Skriftlig prøve, 4 timer med opsyn.
4-timers skriftlig stedprøve.
Krav til indstilling til eksamen

Der er 5-7 obligatoriske øvelsesopgaver (som kan indeholde programmeringsopgaver), under kurset, og alle foruden en skal beståes for at være kvalificeret til eksamen.

Hjælpemidler
Alle hjælpemidler tilladt
Bedømmelsesform
7-trins skala
Censurform
Ingen ekstern censur
Flere interne bedømmere.
Reeksamen

Hvis den studerende ikke er kvalificeret til eksamensdeltagelse, kan kvalifikation opnås ved at aflevere og få godkendt ækvivalente skriftlige opgaver. Afleveringsdeadline er tre uger inden eksamen.

Eksamen er 20 minutter mundtlig eksamen uden forberedelse i kursets indhold. Ingen hjælpemidler tilladt.

Kriterier for bedømmelse

Se målbeskrivelsen.