MENY
Dette er studietilbudet for studieår 2020-2021. Endringer kan komme.


Dette kurset gir en grunnleggende innføring i numeriske metoder og modelleringsteknikker som brukes for å løse praktiske problemer. Kurset gir innsikt og ferdigheter innen algoritmisk tenkning og programmeringsteknikker.
Du vil lære de vanligste numeriske metodene som blir brukt for å løse komplekse fysiske, biologiske, finans og geologiske fenomener. Eksempler på metoder som blir gjennomgått er: numerisk deriverte, numerisk integrasjon, Monte Carlo og boot strapping metoder, inverse metoder, numerisk løsning av ordinære differensiallikninger, simulated annealing, og collony optimization, lattice Boltzmann modeller, random walk modeller, boks (compartment) modeller.
Kurset baserer seg på programmeringsspråket Python. Innleveringsoppgavene vil fokusere på å lære deg å sette opp matematiske modeller av ulike fenomener, utvikler algoritmer for å løse de matematiske modellene, implementere dem, og undersøke styrker og svakheter ved valg av ulike løsningsmetoder og valg av ulik modeller.

Læringsutbytte

Kunnskap:
  • Avansert kunnskap innenfor bruk av algoritmer og algoritmisk tekning for å løse diskrete og kontinuerlige problemer
  • Forstå begrensingene som ligger i valg av løsningsmetode, inkludert avrundingsfeil, og begrensninger som ligger i valg av algoritme og numerisk metode
  • God kunnskap om de vanligste numeriske metodene

Ferdigheter:
  • Lage matematiske modeller av fysiske systemer hentet fra biologi, kjemi, reservoar og geologi
  • Teste modeller mot eksperimentelle data og bestemme parametere i modellen
  • Anvende algoritmisk tenkning for å løse matematiske modeller ved hjelp av passende numeriske metoder
  • Utvikle egne dataprogrammer i programmeringsspråket Python

Generell kompetanse:
  • Visualisering og fremstilling av resultater fra numeriske simuleringer
  • Bruke programmeringsspråk for å effektivisere arbeidet med større datamengder

Forkunnskapskrav

Ingen.

Anbefalte forkunnskaper

MAF300 Numerisk modellering, MAT100 Matematiske metoder 1, MAT110 Lineær algebra, MAT320 Differensialligninger

Eksamen/vurdering

Vekting Varighet Karakter Hjelpemiddel
Mappeevaluering1/1 A - F
Mappeevaluering som består av tre prosjekter, hvor alle teller 1/3 av karakteren hver. Ingen skriftlig eller muntlig eksamen. Dersom studenten ikke består- eller ønsker å forbedre karakter må emnet tas på nytt i sin helhet.

Vilkår for å gå opp til eksamen/vurdering

En eller to obligatoriske oppgaver som må være bestått for å karakter i emnet.

Fagperson(er)

Emneansvarlig
Aksel Hiorth
Instituttleder
Alejandro Escalona Varela

Arbeidsformer

4-8 timer undervisning per uke
8 timer lab-øvelser per uke
8-16 timer selvstudie
Kursdeltagelse er sterkt anbefalt da det kreves trening i dataferdigheter

Åpent for

Opptak til enkeltemner på Phd-nivå

Litteratur

Litteratur/pensum blir publisert så snart det er klargjort av emneansvarlig/faglærer


Dette er studietilbudet for studieår 2020-2021. Endringer kan komme.

Sist oppdatert: 05.06.2020