Algorithms for Data Science
Informacje ogólne
Kod przedmiotu: | 2400-DS1AL |
Kod Erasmus / ISCED: |
14.3
|
Nazwa przedmiotu: | Algorithms for Data Science |
Jednostka: | Wydział Nauk Ekonomicznych |
Grupy: |
Anglojęzyczna oferta zajęć WNE UW Przedmioty kierunkowe do wyboru - studia II stopnia IE - grupa 2 (2*30h) Przedmioty obowiązkowe dla I roku Data Science and Business Analytics |
Punkty ECTS i inne: |
6.00
|
Język prowadzenia: | angielski |
Rodzaj przedmiotu: | obowiązkowe |
Skrócony opis: |
Celem kursu jest nauka podstawowych algorytmów i struktur danych. Każdy temat będzie omawiany zarówno teoretycznie jak i aplikacyjnie (w popularnych językach programowania, takich jak C++ czy Python). Ocena końcowa zależna jest od wyników uzyskanych w zadaniach programistycznych, kartkówkach i pisemnym egzaminie. |
Pełny opis: |
1. Wprowadzenie -- Języki programowania, których będziemy używać -- Jak samemu się uczyć algorytmiki -- Przykładowy algorytm -- Prawidłowość algorytmów: warunek stopu i niezmienniki pętli 2. Podstawowe definicje -- Model obliczeniowy: maszyna RAM -- Definicja problemu obliczeniowego -- Złożoność algorytmiczna i notacja asymptotyczna 3. Analiza złożoności algorytmów 4. Metoda dziel i zwyciężaj -- Twierdzenie o rekurencji uniwersalnej 5. Klasyczne algorytmy sortowania -- Struktura danych: kopiec 6. Programowanie dynamiczne 7. Słowniki -- Tablice i listy -- Zrównoważone drzewa binarne -- Tablice haszujące 8. Grafy -- Definicje i zastosowania -- Przeszukiwanie wstecz i w głąb -- Minimalne drzewo rozpinające -- Algorytm Dijkstry -- Algorytm Floyda-Warshalla -- Algorytm Kruskala -- Struktury danych: stos, kolejka, kolejka priorytetowa -- Struktura danych: find&union 9. Trudne problemy -- Najważniejsze klasy złożoności: P, NP -- Redukcje i NP-trudność -- Przykłady problemów NP-trudnych -- Rozwiązywanie trudnych problemów |
Literatura: |
Polecana: - Cormen T.H, Leiserson Ch.E, Rivest R.L, Stein C. Introduction to algorithms. The MIT Press. - Banachowski L., Diks K., Rytter W. Algorytmy i struktury danych. WNT, 2011. |
Efekty uczenia się: |
Dzięki kursowi, student: – Zna podstawy teorii algorytmów i struktury danych – Wie, jak zaprojektować własne algorytmy, dowieść ich poprawność i oszacować ich złożoność obliczeniową – Rozumie istotność korzystania z właściwych struktur danych i wydajnych algorytmów w swojej pracy – Jest w stanie zastosować wiedzę w praktyce, wybierając najbardziej odpowiednie struktury danych i metody algorytmiczne dla danych sytuacji, i używając ich we własnych projektach. |
Metody i kryteria oceniania: |
Ocena końcowa jest ważoną średnią ocen uzyskanych z egzaminu końcowego, zadań programistycznych oraz kartkówek. Żeby zaliczyć przedmiot (egzamin i ćwiczenia) należy uzyskać co najmniej połowę punktów z zadań programistycznych i kartkówek oraz połowę punktów z egzaminu. Obecność na ćwiczeniach jest obowiązkowa przy czym dwie usprawiedliwione nieobecności są dozwolone. |
Zajęcia w cyklu "Semestr letni 2023/24" (zakończony)
Okres: | 2024-02-19 - 2024-06-16 |
Przejdź do planu
PN WT ŚR CZ PT CW
CW
CW
CW
WYK
CW
CW
CW
CW
|
Typ zajęć: |
Ćwiczenia, 15 godzin
Wykład, 30 godzin
|
|
Koordynatorzy: | Krzysztof Fleszar | |
Prowadzący grup: | Krzysztof Fleszar | |
Lista studentów: | (nie masz dostępu) | |
Zaliczenie: |
Przedmiot -
Egzamin
Ćwiczenia - Zaliczenie na ocenę Wykład - Egzamin |
Zajęcia w cyklu "Semestr letni 2024/25" (w trakcie)
Okres: | 2025-02-17 - 2025-06-08 |
Przejdź do planu
PN WT ŚR WYK
CW
CW
CW
CW
CZ PT |
Typ zajęć: |
Ćwiczenia, 15 godzin
Wykład, 30 godzin
|
|
Koordynatorzy: | Krzysztof Fleszar | |
Prowadzący grup: | Krzysztof Fleszar | |
Lista studentów: | (nie masz dostępu) | |
Zaliczenie: |
Przedmiot -
Egzamin
Ćwiczenia - Zaliczenie na ocenę Wykład - Egzamin |
Właścicielem praw autorskich jest Uniwersytet Warszawski.