Back

Matematisk analyse og sandsynlighedsteori i datalogi (MASD)

NDAB18002U - SCIENCE

Passed: 62%, Average grade: 3.39, Median grade: 4

Description

Kurset giver en introduktion til analyse i en og flere variabler. Kurset giver derudover en introduktion til sandsynlighedsteori.

 

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.

  • Almindelige sandsynlighedsfordelinger og deres anvendelser.

  • 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 sandsynlighedsteori.

  • 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 hjælp af finite differences.

  • Bruge afledte i en og flere variable til dataprocessering 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.

 

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.

 

Recommended qualifications

Grundlæggende programmeringserfaring.

Lineær algebra og grundlæggende matematisk metoder (beviser og, især, induktionsbeviser). De matematiske forudsætninger vil f. eks. være dækket af LinAlgDat og DMA eller tilsvarende.

Coordinators

Martin Nørgaard

martin.noergaard@di.ku.dk

Exam

I T X - (4h)

Course Info

Level: Bachelor

ECTS: 7.5

Block(s): 1

Group(s): A

Go to official page

Department(s)

  • Computer Science

Workload

Lectures28h
Class Instruction21h
Preparation44h
Exercises109h
Exam4h

Total: 206h