Hopp til hovedinnhold

Algoritmer og datastrukturer DAT200

Emnet gir en grundig innføring i en del mye brukte datastrukturer og algoritmer.


Dette er emnebeskrivelsen for studieåret 2021-2022. Merk at det kan komme endringer.

Fakta
Emnekode

DAT200

Versjon

1

Vekting (SP)

10

Semester undervisningsstart

Høst

Antall semestre

1

Vurderingsemester

Høst

Undervisningsspråk

Norsk

Tilbys av

Det teknisk-naturvitenskapelige fakultet, Institutt for data- og elektroteknologi

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
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.
Forkunnskapkrav
Emnet forutsetter at studenten kan programmere i henhold til pensum i DAT110 Grunnleggende programmering.
Anbefalte forkunnskaper
DAT100 Objektorientert programmering, DAT120 Grunnleggende programmering
Eksamen / vurdering
Vurderingsform Vekting Varighet Karakter Hjelpemiddel
En skriftlig prøve 1/1 4 Timer A - F 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 faget. For å få godkjent øvingsopplegget og dermed få lov til å ta eksamen i faget må minimum 7 av 9 øvinger være godkjente innen angitt frist.
Fagperson(er)
Emneansvarlig: Erlend Tøssebro
Emneansvarlig: Mina Farmanbar
Faglærer: Rahul Mishra
Faglærer: Veronica del Carmen Estrada Galinanes
Instituttleder: Tom Ryen
Arbeidsformer

6 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.

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 faget.

Åpent for
Datateknologi - bachelorstudium i ingeniørfag Enkeltemner ved Det teknisk-naturvitenskaplige fakultet Industriell økonomi - Master i teknologi/siv.ing. 5 år Kybernetikk og robotteknologi - Master i teknologi/siv.ing. - 5 år
Emneevaluering
Skjer vanligvis gjennom skjema og/eller i samtaler etter til gjeldende retningslinjer.
Overlapping
Emne Reduksjon (SP)
Datastrukturer og algoritmer (TE0458) 6
Datastrukturer og algoritmer (TE0458) 6
Datastrukturer og algoritmer (BIE270) 10
Litteratur
Pensumlisten finner du i Leganto