Overordnede kursusmål
At kende, anvende, analysere og designe algoritmer i moderne
datalogiske modeller:
· Probabilistiske, tidsafhængige og approksimativt summerende
teknikker, såsom online, dynamiske og streamingalgoritmer,
algoritmer for skitsering og stikprøvealgoritmer.
· Teknikker for distribuerede og parallelle beregninger, såsom
map-reduce, bsp, multicoremodeller, kommunikationsmodeller, I/O og
cache-oblivious algoritmer.
· Teknikker for beregninger i komprimeret data, såsom approksimeret
nærmeste nabo i højdimensionelle rum, clusteringalgoritmer og
komprimeret indeksering og søgning i tekst.
Læringsmål
En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:
- Beskrive en algoritme på forståelig vis, dvs., præcist,
kortfattet og utvetydigt.
- Bevise korrekthed af algoritmer.
- Analysere, evaluere og sammenligne effektiviteten af algoritmer
i moderne datamodeller, såsom streaming, parallel, og I/O.
- Analysere, evaluere og sammenligne brugbarheden af forskellige
datamodeller i en given sammenhæng.
- Anvende og videreudvikle algoritmiske teknikker (såsom
skitsering, map-reduce, beregninger i komprimeret data) i moderne
datamodeller.
- Designe algoritmer der løser et givet problem i en given
moderne datamodel.
- Systematisk identificere og analysere problemer og træffe
kvalificerede valg for at løse problemerne baseret på
analysen.
- Argumentere tydeligt for trufne valg i forbindelse med
løsningen af et problem.
- Formulere sig skriftligt på et videnskabeligt niveau.
Kursusindhold
State-of-the-art algoritmiske teknikker for moderne datamodeller,
såsom probabilistiske, tidsafhængige og approksimativt summerende
teknikker, teknikker for distribuerede og parallelle beregninger og
teknikker for beregninger i komprimeret data.
Litteraturhenvisninger
Litteraturen i kurset består hovedsageligt af videnskabelige
artikler.
Sidst opdateret
02. maj, 2021
