NDAB18001U Randomiserede algoritmer til dataanalyse (RAD)

Årgang 2024/2025
Engelsk titel

Randomised Algorithms for Data Analysis (RAD)

Uddannelse

Bacheloruddannelsen i datalogi

Kursusindhold

Randomiserede algoritmer er ofte deres traditionelle deterministiske modstykker overlegne. Mange beregningsproblemer er i praksis umulige uden brug af randomisering.

Anvendelsesområder, såsom grafalgoritmer og store datastrømme med relevans for maskinlæring og dataanalyse, vil behandles, men fokus vil være på den grundlæggende forståelse for at give den studerende det nødvendige grundlag for at forstå og bruge sandsynligheder i algoritmer og dataanalyse.

Målbeskrivelser

Viden om:

Relevant kombinatorisk sandsynlighedsteori og randomiserede teknikker i algoritmik:

  • Varians og spredning
  • Haleuligheder
  • Randomiserede datastrukturer
  • Randomiserede algoritmer
  • Analyse af store datastrømme


Færdigheder i at:

  • Vise grænser for forventet køretid af randomiserede algoritmer
  • Forklare metoder til at begrænse sandsynligheden for, at en tilfældig variabel afviger langt fra dens forventede værdi


Kompetencer til at:

  • Ræsonnere om og anvende randomiserede teknikker til dataanalyseproblemer
  • Finde simple og effektive randomiserde algoritmer og datastrukturer, hvor traditionelle deterministiske metoder er vanskeligere eller mindre effektive
Undervisningsmateriale

Se Absalon.

Forventes at være "Randomized Algorithms" af Motwani and Raghavan.

Grundlæggende sandsynlighedsregning svarende til kurset "Matematisk analyse og sandsynlighedsteori i datalogi" eller "Matematisk analyse og statistik i datalogi" samt grundlæggende algoritmik svarende til kurset "Algoritmer og datastrukturer".
Forelæsninger, øvelser, ugeopgaver og et implementeringsprojekt.
  • Kategori
  • Timer
  • Forelæsninger
  • 28
  • Forberedelse (anslået)
  • 100
  • Teoretiske øvelser
  • 28
  • Øvelser
  • 24
  • Projektarbejde
  • 25
  • Eksamen
  • 1
  • I alt
  • 206
Skriftlig
Individuel
Kollektiv
Løbende feedback i undervisningsforløbet
Point
7,5 ECTS
Prøveform
Mundtlig prøve, 30 minutter (30 minutter forberedelse)
Krav til indstilling til eksamen

En forudsætning for at gå op til eksamen er aflevering og godkendelse af implementeringsprojektet samt 3 ud af 4 skriftlige ugentlige opgaver.

Hjælpemidler
Alle hjælpemidler tilladt
Bedømmelsesform
7-trins skala
Censurform
Ekstern censur
Reeksamen

Samme som ordinær eksamen.

Kvalificering til reeksamen opnås ved aflevering af og godkendelse af implementeringsprojekt samt 3 ud af 4 ugeopgaver senest 2 uger før reeksamen.

Kriterier for bedømmelse

Se målbeskrivelser