Algoritmer og datastrukturer | Universitetet i Stavanger

Fakta

Emnekode

DAT200

Versjon

Vekting (stp)

Semester undervisningsstart

Høst

Antall semestre

Vurderingssemester

Høst

Undervisningsspråk

Engelsk

Tilbys av

Det teknisk-naturvitenskapelige fakultet,

Institutt for data- og elektroteknologi

Timeplan

Vis timeplan

Opptakskrav

Høyere ingeniørutdanning (HING)

Innhold

Effektivitetsanalyse for algoritmer. Definisjon, bruk og implementeringer av abstrakte datatyper som: Stabler, køer, lister, assosiative tabeller (Python dictionary), trestrukturer, grafer, prioritetskøer, hauger. Hash-teknikker. Trestrukturer. Bruk og implementering av datastrukturer som kan representere grafer. Algoritmer for sortering og søking. Noen grunnleggende algoritmer for grafer, inkludert veifinning. Rekursjon som programmeringsteknikk.

Læringsutbytte

Etter å ha tatt dette emnet skal studenten:

Kunnskap

Vite hvordan grunnleggende algoritmer for sortering, søking, og veifinning i grafer virker
Vite hvordan grunnleggende datastrukturer for lister, stabler, køer, prioritetskøer, mengder, assosiative tabeller og grafer virker

Ferdigheter

Være i stand til å beregne effektiviteten til algoritmer
Være i stand til å forstå og lage effektive rekursive algoritmer
Være i stand til å implementere effektive algoritmer for sortering og søking

Generell kompetanse

Vite hvordan datastrukturer og algoritmer for lister, køer, stabler (stack), hauger (heap), binære trær, og grafer kan implementeres.
Kunne bruke standard algoritmer og datastrukturer til å lage effektive programmer

Forkunnskapskrav

Emnet forutsetter at studenten kan programmere i henhold til pensum i DAT110 eller DAT120 Grunnleggende programmering.

Anbefalte forkunnskaper

DAT100 Objektorientert programmering, DAT120 Grunnleggende programmering

Eksamen / vurdering

Vurderingsform	Vekting	Varighet	Karakter	Hjelpemiddel
En skriftlig eksamen	1/1	4 Timer	Bokstavkarakterer	Ingen hjelpemidler tillatt

Dette emnet har digital eksamen. Det vil være mulig å bruke Scantron for å skanne inn håndtegninger og koble dem til den digitale besvarelsen.

Vilkår for å gå opp til eksamen/vurdering

Innleveringsoppgaver

Det er 9 øvinger i emnet. For å få godkjent øvingsopplegget og dermed få lov til å ta eksamen i emnet må minimum 7 av 9 øvinger være godkjente innen angitt frist.

Gjennomføring av obligatoriske øvinger skal gjøres til de tider og i de grupper som er oppsatt og publisert på Canvas. Fravær på grunn av sykdom eller av andre årsaker skal snarest mulig kommuniseres til laboratorie- eller fagansvarlig. Det kan ikke påregnes å få godkjent øvinger utenom oppsatt tid hvis dette ikke er kommunisert og ny avtale gjort.

Konsekvensen av at du ikke har fått godkjent øvingsoppgavene er at du ikke får gå opp til eksamen i emnet.

Fagperson(er)

Emneansvarlig:

Mina Farmanbar

Instituttleder:

Tom Ryen

Arbeidsformer

4 timer forelesning i uka. Alle studenter får tilbud om å delta på øvingstimer 4 timer i uken. På datalaben får en hjelp til å fullføre de obligatoriske oppgavene. Dessuten skal studentene presentere løsningene sine på laben.

Overlapping

Emne	Reduksjon (SP)
Datastrukturer og algoritmer (TE0458_1)	6
Datastrukturer og algoritmer (TE0458_A)	6
Datastrukturer og algoritmer (BIE270_1)	10

Åpent for

Enkeltemner ved Det teknisk-naturvitenskaplige fakultet

Industriell økonomi - master i teknologi/siv.ing., femårig

Emneevaluering

Fakultetet bestemmer om det skal gjennomføres tidligdialog i alle, eller grupper av emner som tilbys ved fakultetet. Formålet er tilbakemelding fra studentene for endringer og justering i emnet inneværende semester. I tillegg skal det gjennomføres en digital evaluering, studentenes emneevaluering, minimum hvert tredje år. Den har som formål å innhente studentenes erfaringer med emnet.

Litteratur

Pensumlisten finner du i Leganto

Algoritmer og datastrukturer (DAT200)