NDAB18001U Randomiserede algoritmer til dataanalyse (RAD)
Randomised Algorithms for Data Analysis (RAD)
Bacheloruddannelsen i datalogi
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.
Viden om:
Relevant kombinatorisk sandsynlighedsteori og randomiserede teknikker i algoritmik:
- Varians og spredning
- Haleuligheder
- Den probabilistiske metode
- 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
- Anvende probabilistiske metoder, f.eks. til at bevise eksistens af algoritmer
- Finde simple og effektive randomiserde algoritmer og datastrukturer, hvor traditionelle deterministiske metoder er vanskeligere eller mindre effektive
Kompetencer til at:
- Ræsonnere om og anvende randomiserede teknikker til dataanalyseproblemer
Se Absalon.
Forventes at være "Randomized Algorithms" af Motwani and Raghavan.
- Kategori
- Timer
- Forelæsninger
- 28
- Forberedelse (anslået)
- 100
- Teoretiske øvelser
- 28
- Øvelser
- 24
- Projektarbejde
- 25
- Eksamen
- 1
- I alt
- 206
Som meritstuderende - klik her!
Som enkeltfags-studerende (efter- og videreuddannelse) - klik
her!
- Point
- 7,5 ECTS
- Prøveform
- Mundtlig prøve, 30 minutterDer er 30 minutters forberedelse til den mundtlige eksamen
- 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
Reeksamensform er 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 læringsmålene.
Kursusinformation
- Sprog
- Dansk
- Kursuskode
- NDAB18001U
- Point
- 7,5 ECTS
- Niveau
- Bachelor
- Varighed
- 1 blok
- Placering
- Blok 4
- Skemagruppe
- C
- Kursuskapacitet
- Ingen begrænsning
- Kurset udbydes også til efter- og videreuddannelse
- Studienævn
- Studienævn for Matematik og Datalogi
Udbydende institut
- Datalogisk Institut
Udbydende fakultet
- Det Natur- og Biovidenskabelige Fakultet
Kursusansvarlige
- Mikkel Thorup (mthorup@di.ku.dk)
Undervisere
Mikkel Thorup, Christian Wulff-Nilsen, og Thomas Dueholm Hansen