Datastrukturer Och Algoritmer: Algoritmer Och Datastrukturer 2020/2021 - Uppsala Universitet
- Algoritmer och datastrukturer 2020/2021 - Uppsala universitet
- Datastrukturer och algoritmer - miun.se
- Algoritmer och datastrukturer I 2020/2021 - Uppsala universitet
Översikt Innan du börjar Innan du börjar laborera är det viktigt att du läst igenom labbreglerna på denna sida. För varje labb är det naturligtvis viktigt att du läser igenom labbinstruktionen noggrant så att du förstår vad du ska göra. Om något är oklart så fråga. Resultat Du finner dina labbresultat under länken till vänster. Laborationsregler För godkänt på laborationerna krävs Laborationerna utförs individuellt För godkänt på labkursen krävs att samtliga laborationer lämnats in och godkänts på denna webbplats. Labborationsinstruktioner och handledning Labbinstruktioner finns tillgängliga via länkar till vänster. Om något verkar oklart i labbinstruktionen kommenteras detta med fördel på webbsidan för labbinstruktionen. Handledning, tips och annan hjälp med labbar får dels på varje schemalagt labbtillfälle, dels genom diskussionsforumet där både lärare och studiekamrater kan komma till undsättning. I året 2020, p. g. a. Korona-viruset, flesta (möjligtvis alla) labb-tillfällerna körs på distans via Zoom.
Algoritmer och datastrukturer 2020/2021 - Uppsala universitet
7, 5 Högskolepoäng, Fortsättningskurs på grundnivå, D0041D I kursen ges studenten kunskaper om användning av datastrukturer och algoritmer samt förmåga att analysera och strukturera program med vanliga algoritmer, iterativa och rekursiva metoder. Kursen behandlar grundläggande strukturer och algoritmer och bygger på tre relaterade programmeringsmoment. Momentet abstrakta datatyper behandlar gränssnitt samt strukturering genom uppdelning i programkomponenter. Momentet datastrukturer består av dynamisk minneshantering, listor, köer, träd och grafer medan momentet algoritmer handlar om konstruktion och analys av vanliga algoritmer för sortering, sökning, iterativa och rekursiva metoder. Anmälan Fristående kurs Jag är programstudent Vill du veta mer om kursen? I kursplanen beskrivs exempelvis kursens mål och innehåll samt kurslitteratur. Eftersom en kursplan kan förändras visas alltid information om när revidering har skett och för vilken period som kursplanen gäller för. Senast tio veckor innan kursstart skall en aktuell kursplan finnas publicerad.
Antal högskolepoäng 7, 5 hp Nivå Grundnivå fortsättningskurs Starttid Vårtermin 2020 Om kursen Kursen behandlar grundläggande abstrakta datatyper, grundläggande algoritmer, komplexitetsanalys, tillämpningsexempel och olika problemlösningsansatser. Under kursen används programspråket Python. Grundläggande abstrakta datatyper som behandlas är bland andra lista, stack, kö, träd, mängd, graf och tabell. Datatypernas informella och formella specifikationer, generella egenskaper och användningsområden liksom olika implementationsmöjligheter och deras specifika egenskaper behandlas. Vidare behandlas grundläggande algoritmer förknippade med olika abstrakta datatyper, deras komplexitet och karakteristiska egenskaper för typiska problem (till exempel sökning, sortering och traversering). Komplexitetsanalys av algoritmer introduceras och man lär sig beskriva resultatet av en sådan analys med hjälp av Ordo-notation. Grundläggande problemlösningsstrategier behandlas, till exempel divide and conquer, brute force, greedy och dynamisk programmering.
Visa som: Mobil Algoritmer och datastrukturer Kursen använder Java som programmeringsspråk och fokuserar på algoritmisk problemlösning och datastrukturer. Grundläggande datastrukturer såsom länkade listor och träd behandlas med fokus både på att förstå hur datastrukturerna är uppbyggda och på att använda dem. Vidare behandlas algoritmer såsom sorteringsalgoritmer och sökningar i träd. Här ligger fokus både på att förstå generella principer för algoritmer såsom "divide and conquer" och backtracking och på att kunna implementera egna algoritmer. Kursen behandlar algoritmers för- och nackdelar med avseende på grundläggande förståelse för tidskomplexitet. Förkunskaper Programmering, 7, 5 hp Uppsala universitet Välkommen till Uppsala universitet Välkommen till Uppsala universitet Uppsala universitet är ett internationellt välkänt forskningsuniversitet med vetenskapens och utbildningens utveckling i fokus. Universitetet främjar utveckling och innovation genom en aktiv roll i samhället. Utbildningar på Uppsala Universitet Uppsala universitet har ett stort utbildningsutbud på...
Datastrukturer och algoritmer - miun.se
Läs mer om Uppsala universitet och visa alla utbildningar Det finns inga recensioner för Algoritmer och datastrukturer Var finns framtidens jobb & hur mycket kommer jag att tjäna? Få koll på vad du kan tjäna efter din utbildning och om den branschen är värd att investera din tid i. Till Jobb & Lön
Log in to your course web You are not logged in KTH, so we cannot customize the content. Denna kurs ger en introduktion till teoretisk datalogi som är ett starkt forskningsområde på KTH. Du kommer att stöta på några av våra forskningsresultat i kursen. Du får lära dig mer om algoritmkonstruktion och får se några ganska komplicerade, men mycket användbara, algoritmer. Komplexitetsdelen av kursen handlar om hur man undersöker vilka problem som kan lösas (i rimlig tid) med datorns hjälp, vilka som tar orimligt lång tid och vilka som inte kan lösas med en dator över huvud taget. Problem som är för svåra för att lösa exakt kan ibland lösas approximativt. Du kommer att få se exempel på några approximationsalgoritmer och några problem som är så svåra att dom inte ens kan approximeras i rimlig tid. Kursledare är Viggo Kann och Stefan Nilsson. Kursen DD2350 ersätter DD1352 från och med höstterminen 2017. DD2350 är på avancerad nivå och har en halv poäng större labbkurs än DD1352. Den som har moment kvar från DD1352 kan göra dom inom antingen DD2350 eller systerkursen DD2352, se nedan.
Resultat: Det största talet i listan, L. största ← L 0 för varje tal i listan L ≥1, upprepa om tal > största, så största ← tal returnera största Algoritmer är inte begränsade till datalogi eller beräkningar utan kan även användas till annan problemlösning. Ett recept för en maträtt kan till exempel innehålla en beskrivning, en algoritm, av hur man lagar rätten. För ett mer komplext exempel, se Euklides algoritm, vilken är en av de äldsta kända matematiska algoritmerna. Etymologi [ redigera | redigera wikitext] Ordet algoritm kommer från arabiska och ursprungligen från namnet på den persiske [ 5] matematikern al-Khwarizmi som levde i Baghdad. Genom tiderna har ordet förändrats och kombinerats med grekiskans arithmo's som betyder siffra och beräkning. Berömda algoritmer [ redigera | redigera wikitext] Euklides algoritm Binärsökning Djup-först-sökning Bredd-först-sökning Sorteringsalgoritmer Kruskals algoritm Se även [ redigera | redigera wikitext] Artificiell intelligens Genetiska algoritmer Slumptal Muhammad ibn Musa al-Khwarizmi Referenser [ redigera | redigera wikitext] ^ "Algoritm".
Algoritmer och datastrukturer I 2020/2021 - Uppsala universitet
- Algoritmer och datastrukturer 2020/2021 - Uppsala universitet
- Algoritmer och datastrukturer I 2020/2021 - Uppsala universitet
- Datastrukturer och algoritmer
- Datastrukturer och algoritmer lth
Implementeringsnära effektivitetsanalys [ redigera | redigera wikitext] Effektiviteten bedöms i tre olika avseenden: 1 - Den algoritm är effektivast som löser problemet på kortast tid. För att mäta tiden kan det därför vara nödvändigt att testköra varje algoritm på en hel uppsättning olika problem och därefter poängsätta varje algoritm efter hur den skötte sig jämfört med de övriga. 2 - Den algoritm är effektivast, som löser problemet med minst resurser. I datorsammanhang handlar det oftast om hur mycket minne algoritmen tar i anspråk för att lösa ett problem. 3 - Den algoritm är effektivast, som är minst komplicerad. Detta är oftast (men inte alltid) liktydigt med mängden kod, som går åt till att beskriva algoritmen. Genom att testköra olika algoritmer på lämpligt sätt kan man relativt lätt avgöra vilken av en given grupp algoritmer som är effektivast med avseende på det första och andra kriteriet. Genom att analysera koden för varje algoritm kan man också avgöra vilken som är effektivast med avseende på det andra och tredje kriteriet.
HT20, 33%, Campus Startdatum: 31 augusti 2020 Slutdatum: 25 oktober 2020 Sista ansökningsdatum: 15 april 2020 Anmälningskod: UU-11032 Anmälan Undervisningsspråk: Engelska Studieort: Uppsala Urval: Högskolepoäng inom teknik/naturvetenskap (max 240 hp) Behörighet: 10 hp programmering (Programkonstruktion, Programmeringsteknik II eller motsvarande) och 10 hp matematik, inklusive grundläggande algebra. Om kursen Kursen behandlar ett antal fundamentala datastrukturer som länkade listor, stackar, köer och träd. Man undersöker hur dessa strukturer kan användas för att implementera abstrakta datatyper som sekvenser, mängder och grafer och vilka effekter på utrymme och exekveringstid olika val har. En viktig del är (matematisk) analys av exekveringstidernas beroende av problemens storlek. Allmänna principer för konstruktion av algoritmer tas också upp samt frågeställningar av typen "vilket är det teoretiskt snabbast möjliga sättet att lösa detta problem? ". Mer information Kontakt
[ källa behövs] De flesta algoritmer implementeras som datorprogram, då man strukturerar dem i programform. För att uttrycka program används programspråk som är formella språk med samtliga nödvändiga operationer för att uttrycka en godtycklig beräkningsbar funktion. Ordet algoritm bör ej förväxlas med den matematiska termen logaritm. Komplexitetsanalys [ redigera | redigera wikitext] För många problem finns flera algoritmer att välja mellan. De använder olika instruktioner och kan kräva olika mycket resurser som antal steg, eller operationer, och storlek på minne, för att lösa samma problem. Ett annat ord för algoritmens resursberoende är komplexitet. För att på ett meningsfullt sätt kunna jämföra algoritmer är det viktigt att man specificerar en beräkningsmodell som är rimlig för det problem som ska lösas. Om man vill implementera en snabb multiplikation av stora tal kanske man väljer att räkna antalet elementära additioner och multiplikationer, medan den som väljer mellan sorteringsalgoritmer antagligen föredrar att räkna antalet jämförelser som utförs.