en_GB
Hold Ctrl-tasten nede. Trykk på + for å forstørre eller - for å forminske.

DAT200_1

Algoritmer og datastrukturer

Dette er studietilbudet for studieår 2020-2021.


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

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.

Forkunnskapskrav

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

Anbefalte forkunnskaper

DAT100 Objektorientert programmering, DAT110 Grunnleggende programmering

Eksamen/vurdering

Vekting Varighet Karakter Hjelpemiddel
En skriftlig prøve1/14 timerA - FIngen 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
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.

Overlapping

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

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.

Litteratur


Lenke til pensumliste


Dette er studietilbudet for studieår 2020-2021.

Sist oppdatert: 30.09.2020

Historikk