Beräkningsvetenskap för naturvetenskapliga tillämpningar
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).