DM579: Lineær algebra med anvendelser

Kommentar

Samlæses med MM505 i første del af efterårssemesteret og med DM587 i anden og sidste del af efterårssemesteret.

Indgangskrav

Kurset kan ikke følges af studerende, der har bestået MM505, DM561 eller første del af MM538.

Faglige forudsætninger

Studerende, der følger kurset, forventes at kende stoffet fra DM574, Introduktion til programmering.

Formål

Hovedformålet med kurset er at give den studerende en introduktion til de grundlæggende begreber og metoder i lineær algebra, med særligt fokus på matrix manipulationer. De emner der dækkes og teknikker, der undervises i, er vigtige indenfor mange dele af datalogi, og finder anvendelser i mange videnskabelige områder. Et andet mål med kurset er, at lære de studerende hvordan metoderne kan bruges i sådanne anvendelser via programmering.

Kurset giver den studerende nødvendige forudsætninger for kurser senere i uddannelsen, specielt DM581 (Introduktion til Maskinlæring) og DM583 (Datamining).

I forhold til uddannelsens kompetenceprofil har kurset eksplicit fokus på at:

Give færdigheder i at beskrive, formulere og formidle problemstillinger og resultater til enten fagfæller og ikke-specialister eller samarbejdspartnere og brugere
Give færdigheder til at anvende tankegange og fagudtryk fra fagets grundlæggende discipliner.
Give færdigheder til at formidle matematisk og datalogisk tankegang skriftligt og mundtligt.
Give færdigheder til at løse lineære ligningssystemer, beregne determinanter, finde inverse af matricer, finde koordinaterne for vektorer, finde matricer af lineære afbildninger.
Give viden om vektorrum og lineære afbildninger.
Give kompetence i at håndtere komplekse og udviklingsorienterede situationer i studie- og arbejdssammenhænge
Give kompetence i at identificere egne læringsbehov og strukturere egen læring i forskellige læringsmiljøer

Målbeskrivelse

For at opnå kursets formål er det læringsmålet for kurset, at den studerende demonstrerer evnen til at:

gengive definitioner og resultater indenfor kursets pensum
anvende disse resultater på eksempler
formulere og præsentere definitioner og udregninger på en matematisk stringent måde
lave programmer, som anvender metoder fra kurset.
lave modeller baseret på lineær algebra til løsning af konkrete problemer
implementere modellen i et videnskabeligt programmeringsmiljø
finde og bruge passende elementer i programbiblioteket, der hører til miljøet
planlægge og udføre beregningsmæssige tests.

Indhold

Kurset indeholder følgende faglige hovedområder:

lineære ligningssystemer
matrix operationer, inverse matricer, determinanter
vektorrum, basis, koordinater, lineær uafhængighed
lineære afbildninger, egenværdiproblemer, diagonalisering
lineær algebra og programmering
anvendelser af lineær algebra i datalogi

Anvendelser af lineær algebra, som f.eks:

billedbehandling
pagerank
least squares
graf algoritmer
itererede metoder
og andre.

Litteratur

Se itslearning for pensumlister og yderligere litteraturhenvisninger.

Eksamensbestemmelser

Eksamenselement b)

Tidsmæssig placering

Efterår

Udprøvninger

Obligatoriske opgaver

EKA

N330081112

Censur

Intern prøve, to eller flere bedømmere

Bedømmelse

7-trinsskala

Identifikation

Fulde navn og SDU brugernavn

Sprog

Følger, som udgangspunkt, undervisningssprog

Hjælpemidler

Oplyses på kurset.

ECTS-point

2.5

Eksamenselement a)

Tidsmæssig placering

Efterår

Udprøvninger

Obligatoriske opgaver

EKA

N330081102

Censur

Ekstern prøve

Bedømmelse

7-trinsskala

Identifikation

Fulde navn og SDU brugernavn

Sprog

Følger, som udgangspunkt, undervisningssprog

Hjælpemidler

Oplyses på kurset

ECTS-point

Vejledende antal undervisningstimer

56 timer per semester

Undervisningsform

På naturvidenskab er undervisningen tilrettelagt efter trefasemodellen dvs. intro, trænings- og studiefasen.

Introfase (forelæsning) - Antal timer: 36
træningsfase: Antal timer: 20

I introfasen introduceres og perspektiveres begreber, teorier og modeller. I træningsfasen træner de studerende færdigheder og trænger dybere ned i det stof.

Aktiviteter i studiefasen:

Læse den tildelte litteratur
Løse hjemmeopgaver
Anvende det tilegnede viden i praktiske projekter

Ansvarlig underviser

Navn	E-mail	Institut
Marco Chiarandini	marco@imada.sdu.dk	Data Science

Yderligere undervisere

Navn	E-mail	Institut	By
Aritra Dutta	ard@sdu.dk	Data Science	Odense
David Kyed	dkyed@imada.sdu.dk	Analyse	Odense

Skemaoplysninger

Odense

Vis fuldt skema

Administrationsenhed

Institut for Matematik og Datalogi (datalogi)

Team hos Uddannelsesjura & Registratur

NAT

Udbudssteder

Odense

Anbefalede studieforløb

Profil	Uddannelse	Semester	Udbuds periode

Overgangsordninger

Overgangsordninger beskriver, hvordan et kursus erstatter et andet kursus, når der ændres i et studieforløb.

Hvis der er lavet en overgangsordning for et kursus vil den fremgå af oversigten.
Se overgangsordninger for alle kurser på Det Naturvidenskabelige Fakultet.