Beräkningsvetenskap för naturvetenskapliga tillämpningar

5 hp

Kursplan, Avancerad nivå, 1TD047

Kod
1TD047
Utbildningsnivå
Avancerad nivå
Huvudområde(n) med fördjupning
Datavetenskap A1N, Tillämpad beräkningsvetenskap A1N
Betygsskala
Underkänd (U), godkänd (3), icke utan beröm godkänd (4), med beröm godkänd (5)
Fastställd av
Teknisk-naturvetenskapliga fakultetsnämnden, 9 februari 2023
Ansvarig institution
Institutionen för informationsteknologi

Behörighetskrav

Kandidatexamen inklusive 15 hp matematik och/eller statistik samt genomgången 5 hp programmering (Python rekommenderas). Engelska 6. (Med en svensk kandidatexamen uppfylls kravet på engelska.)

Mål

Efter godkänd kurs ska studenten kunna:

  • redogöra för nyckelbegrepp som ingår i kursen och utföra uppgifter som kräver kännedom om dessa nyckelbegrepp;
  • beskriva och använda algoritmer för minsta kvadratproblem, ordinära differentialekvationer samt för Monte Carlo simuleringar;
  • utföra enklare analys av beräkningsalgoritmer för att undersöka deras egenskaper, t ex noggrannhet;
  • argumentera för olika metoders och algoritmers lämplighet givet olika tillämpningsproblem och metodernas egenskaper;
  • lösa tekniska och naturvetenskapliga problem givet en matematisk modell, genom att strukturera problemet, välja lämplig numerisk metod, samt generera en lösning med hjälp av programvara och egen kod;
  • förklara  och resonera kring lösningsmetoder och resultat samt argumentera för slutsatser.

Innehåll

Grunderna för datorberäkningar: Flyttalsrepresentation, IEEE-standard för flyttalsrepresentation, overflow/underflow, maskinepsilon och avrundningsfel och dess effekter för datorberäkningar. Datorberäkningar i Python (NumPy). Ordo-notation.

Metoder för dataanalys: Regressionsanalys, minsta kvadratapproximation och lösning av överbestämda ekvationssystem. Ordinära differentialekvationer och numerisk lösning av begynnelsevärdesproblem med vanligt förekommande numeriska metoder. 

Monte Carlo-metoder och metoder baserade på stokastisk simulering: Stokastiska i jämförelse med deterministiska metoder. Brownsk rörelse, Markovprocesser. Gillespies algoritm.

Viktiga nyckelbegrepp som ingår i kursen är bl.a. avrundningsfel, maskinepsilon, overflow och underflow, kancellation, flyttal, noggrannhet och noggrannhetsordning, diskretisering och diskretiseringsfel, stabilitet och instabilitet, adaptivitet, stokastisk/deterministisk modell och metod.

Undervisning

Laborationer, föreläsningar, problemlösning.

Examination

Inlämningsuppgifter (2 hp) och skriftlig tentamen (3 hp).

FÖLJ UPPSALA UNIVERSITET PÅ

facebook
instagram
twitter
youtube
linkedin