Kursplan för Beräkningsvetenskap II
Scientific Computing II
Det finns en senare version av kursplanen.
Kursplan
- 5 högskolepoäng
- Kurskod: 1TD395
- Utbildningsnivå: Grundnivå
-
Huvudområde(n) och successiv fördjupning:
Datavetenskap G1F,
Teknik G1F
Förklaring av koder
Koden visar kursens utbildningsnivå och fördjupning i förhållande till andra kurser inom huvudområdet och examensfordringarna för generella examina:
Grundnivå
- G1N: har endast gymnasiala förkunskapskrav
- G1F: har mindre än 60 hp kurs/er på grundnivå som förkunskapskrav
- G1E: innehåller särskilt utformat examensarbete för högskoleexamen
- G2F: har minst 60 hp kurs/er på grundnivå som förkunskapskrav
- G2E: har minst 60 hp kurs/er på grundnivå som förkunskapskrav, innehåller examensarbete för kandidatexamen
- GXX: kursens fördjupning kan inte klassificeras
Avancerad nivå
- A1N: har endast kurs/er på grundnivå som förkunskapskrav
- A1F: har kurs/er på avancerad nivå som förkunskapskrav
- A1E: innehåller examensarbete för magisterexamen
- A2E: innehåller examensarbete för masterexamen
- AXX: kursens fördjupning kan inte klassificeras
- Betygsskala: Underkänd (U), godkänd (3), icke utan beröm godkänd (4), med beröm godkänd (5)
- Inrättad: 2007-03-15
- Inrättad av: Teknisk-naturvetenskapliga fakultetsnämnden
- Gäller från: HT 2007
-
Behörighet:
Beräkningsvetenskap I.
- Ansvarig institution: Institutionen för informationsteknologi
Mål
För godkänt betyg ska studenten kunna
- redogöra för de grundläggande begreppen diskretisering, noggrannhet och noggrannhetsordning, effektivitet, stabilitet, diskretiseringsfel (trunkeringsfel), ansats, adaptivitet;
- översiktligt kunna förklara idén bakom de algoritmer som behandlas i kursen;
- redogöra för den principiella skillnaden mellan stokastiska och deterministiska algoritmer;
- analysera några enkla metoders noggrannhetsordning och stabilitetsegenskaper och förstå hur en sådan analys principiellt går till;
- värdera olika metoders egenskaper med avseende på noggrannhet, stabilitetsegenskaper och effektivitet;
- utgående från en sådan värdering av metoders egenskaper, argumentera för metoders lämplighet givet olika tillämpningsproblem;
- lösa teknisk-naturvetenskapliga problem givet matematisk modell, genom att strukturera problemet, välja lämplig numerisk metod, samt generera lösning med hjälp av programvara och egen kod;
- presentera, förklara, sammanfatta, värdera och diskutera lösningsmetoder och resultat i en mindre rapport .
Innehåll
Fortsatt programmering i MATLAB, med inriktning mot visualisering. Fortsatt problemlösningsmetodik. Dataanalys: minstakvadratproblem med lösning baserad på normalekvationerna och QR-uppdelning. Interpolation, med tonvikt på styckvis interpolation (inklusive kubiska spines).
Lösning av ordinära differentialekvationer (begynnelsevärdesproblem). Adaptivitet. Stabilitet. Explicita och implicita metoder och i samband med detta lösning av icke-linjära ekvationssystem. Monte Carlo-metoder och metoder baserade på slumptal.
Undervisning
Föreläsningar, lektioner/workouts, laborationer, obligatoriska inlämningsuppgifter/miniprojekt.
Examination
Skriftligt prov (3 hp) samt inlämningsuppgifter/miniprojekt (2 hp).
Versioner av kursplanen
Litteratur
Litteraturlista
Gäller från: HT 2007
I bibliotekets söktjänst kan du se om en titel finns elektroniskt.
Meddelas senare/To be decided.