SF2526 Numeriska algoritmer för vetenskapliga problem med stora datamängder 7,5 hp

Numerical algorithms for data-intensive science

På grund av ett stort intresse och relevans of stora datamängder inom många vetenskapliga fält finns det ett behov att förstå de berökningstekniska angreppssätt som används för att analysera, förstå och extrahera information från stora datamängder. Denna kurs ger en introduktion till de numeriska algoritmer som används för att lösa problem med stora mängder data. Vi använder matematiska och numeriska verktyg för att analysera problem och algoritmer.

  • Utbildningsnivå

    Avancerad nivå
  • Huvudområde

    Matematik
  • Betygsskala

    A, B, C, D, E, FX, F

Kurstillfällen/kursomgångar

VT19 för programstuderande

  • Perioder

    VT19 P3 (7,5 hp)

  • Anmälningskod

    61148

  • Kursen startar

    2019-01-15

  • Kursen slutar

    2019-03-15

  • Undervisningsspråk

    Engelska

  • Studielokalisering

    KTH Campus

  • Undervisningstid

    Dagtid

  • Undervisningsform

    Normal

  • Antal platser

    Ingen begränsning

  • Schema

    Schema (nytt fönster)

  • Planerade moduler

    P3: E1, A2. mer info

  • Kursansvarig

    Elias Jarlebring <eliasj@kth.se>

  • Lärare

    Elias Jarlebring <eliasj@kth.se>

VT20 för programstuderande

Lärandemål

Efter genomfört kurs ska studenten vara bekantad med viktiga numeriska metoder och algoritmer som används för att analysera data och beskriva när de är användbara.

  • Studenten ska på ett oberoende sätt kunna identifiera och formulera dataproblemklasser som behandlas i kursen
  • Studenten ska kunna välja en lämplig algoritm för att lösa dessa problem
  • Studenten ska kunna beskriva algoritmegenskaper och koppla samman dem med specifika problemegenskaper
  • Studenten ska kunna härledna nya varianter av algoritmer och metoder genom att generalisera de behandlade metoderna.

Kursens huvudsakliga innehåll

Kursen handlar i huvudsak om algoritmiska och beräkningstekniska frågor i dessa ämnen:

  • Numeriska algoritmer för minstakvadratanpassning med stora datamängder
  • Numeriska algoritmer för stora grafer, nätverk och klustring
  • Numeriska algoritmer för distansproblem och klassificering

Kursupplägg

  • Föreläsningar
  • Laborationer

Behörighet

Grundkurs i numerisk analys och datalogi.

För fristående kursstuderande krävs 90 högskolepoäng varav 45 högskolepoäng inom matematik eller informationsteknik. Dessutom krävs engelska B eller motsvarande.

Litteratur

Uppgift om kurslitteratur meddelas i kurs-PM.

Examination

  • LAB1 - Laborationer, 3,5, betygsskala: P, F
  • TEN1 - Tentamen, 4,0, betygsskala: A, B, C, D, E, FX, F

Examinator beslutar, i samrad med KTH:s samordnare för funktionsnedsättning (Funka), om eventuell anpassad examination för studenter med dokumenterad, varaktig funktionsnedsättning. Examinator får medge annan examinationsform vid omexamination av enstaka studenter.

Krav för slutbetyg

  • Godkända labbar (LABA)
  • Godkänd tentamen (TEN1)

Ges av

SCI/Matematik

Kontaktperson

Elias Jarlebring (eliasj@kth.se)

Examinator

Elias Jarlebring <eliasj@kth.se>

Versionsinformation

Kursplan gäller från och med VT2019.
Examinationsinformation gäller från och med VT2019.