Komunikacja, informacja i losowość
Informacje ogólne
Kod przedmiotu: | 1000-2M13KIL |
Kod Erasmus / ISCED: |
11.3
|
Nazwa przedmiotu: | Komunikacja, informacja i losowość |
Jednostka: | Wydział Matematyki, Informatyki i Mechaniki |
Grupy: |
Przedmioty obieralne dla informatyki Przedmioty obieralne na studiach drugiego stopnia na kierunku bioinformatyka |
Punkty ECTS i inne: |
(brak)
|
Język prowadzenia: | angielski |
Rodzaj przedmiotu: | monograficzne |
Założenia (opisowo): | Znajomość podstaw rachunku prawdopodobieństwa i analizy matematycznej. |
Skrócony opis: |
Przedmiot zawiera wprowadzenie do najważniejszych metod teorio-informacyjnych używanych w informatyce. Pochodzić one będą z różnych gałęzi wiedzy (teoria kodów, teoria złożoności komunikacyjnej i ekstraktory losowości), a ich wspólną cechą jest to, że podstawowym narzędziem używanym w ich analizie jest rachunek prawdopodobieństwa. Narzędzia prezentowane na wykładzie znalazły szereg zastosowań w telekomunikacji, konstrukcji nośników danych i układów VLSI oraz kryptografii. Te ostatnie omówimy dokładniej pod koniec kursu. |
Pełny opis: |
1. Pojęcia entropii Shannona, entropii Renyi'ego, entropii warunkowej, informacji wzajemnej; reguła łańcuchowa, nierówność Fano (1 wykład) 2. Łańcuchy Markowa (1 wykład) 3. Kompresja danych: nierówność Krafta i kody Huffmana. (1 wykład) 4. Kody korygujące błędy: kody liniowe, Hamminga, Walsha-Hadamarda, Reeda-Mullera, Reeda Solomona, kody list-decodable (3 wykłady) 5. Złożoność komunikacyjna: wprowadzenie do dziedziny i przykłady dolnych granic (2 wykłady) 6. Ekstraktory losowości: min-entropia, niekonstruktywny dowód istnienia ekstraktorów, związek z ekspanderami, leftover hash lemma, ekstraktor Trevisana, ekstraktory dwu-źródłowe (3 wykłady) 7. Zastosowania teorii informacji w kryptografii: twierdzenie Shannona, szyfr Vernama, teorio-informacyjna autentykacja, kryptografia w modelu z ograniczoną pamięcią, kryptografia odporna na wycieki. (2 wykłady) |
Literatura: |
J H Van Lint Introduction to Coding Theory Thomas M. Cover, Joy A. Thomas Elements of Information Theory Sanjeev Arora, Boaz Barak Computational Complexity: A Modern Approach a także materiały dostępne w internecie |
Efekty uczenia się: |
Wiedza 1. Ma uporządkowaną wiedzę w zakresie teorii informacji, teorii kodów, teorii złożoności komunikacyjnej i teorii ekstraktorów losowości. 2. Zna najważniejsze własności entropii Shannona. 3. Ma podstawową wiedzę w zakresie metod kompresji informacji. 4. Ma ogólną wiedzę na temat różnych zastosowań teorii informacji w kryptografii. 5. Zna ograniczenia stosowalności powyższych teorii. Umiejętności 1. Potrafi stosować metody teorii informacji i teorii kodów w praktyce i w badaniach naukowych. 2. Potrafi używać metod teorii złożoności komunikacyjnej oraz teorii ektraktorów losowości w pracy badawczej. Kompetencje 1. Zna ograniczenia własnej wiedzy i rozumie potrzebę dalszego kształcenia, w tym zdobywania wiedzy pozadziedzinowej. 2. Potrafi precyzyjnie formułować pytania, służące pogłębieniu własnego zrozumienia danego tematu lub odnalezieniu brakujących elementów rozumowania. |
Metody i kryteria oceniania: |
Egzamin pisemny z zadań i z teorii. |
Właścicielem praw autorskich jest Uniwersytet Warszawski.