Przedmioty w rejestracji Rejestracja na przedmioty z semestru letniego 2020/21 1000-2020L

Większa część wykładu i ćwiczeń rozwija dalej algebrę liniową: teoria

diagonalizacji endomorfizmów, elementy algebry dwuliniowej ze szczególnym

uwzględnieniem geometrii euklidesowej i towarzysząca im teoria form

kwadratowych. Końcowa część przedmiotu poświęcona jest elementom algebry

abstrakcyjnej, a więc teorii grup i pierścieni.

Klasyczne grupy liniowe, abstrakcyjne grupy Lie, grupy zwarte.

Odpowiedniość grup i algebr Liego, czyli klasyczna teoria Liego. Odwzorowanie Exp.

Abstrakcyjne podejście do algebr Liego. Klasyfikacja prostych algebr Liego

Reprezentacje klasycznych grup i algebr Lie przez najwyzsze wagi. Przestrzenie jednorodne.

Wykład jest kontynuacją wykładu "Algorytmy i struktury danych". Celem zajęć jest zaznajomienie studentów z technikami konstrukcji efektywnych algorytmów dla różnych rodzajów problemów kombinatorycznych.

Wymagania wstępne: Algorytmy i struktury danych

Podstawowe pojęcia analizy funkcjonalnej, ilustracja jej związków z geometrią i algebrą liniową, analizą matematyczną i topologią, w tym: pojęcie przestrzeni Banacha oraz przestrzeni Hilberta, pojęcie operatora oraz funkcjonału liniowego, ciągłego, twierdzenie Hahna-Banacha, twierdzenie Banacha-Steinhausa, twierdzenie o odwzorowaniu otwartym.

Przedmiot jest kontynuacją wykładu z Analizy Matematycznej I.1. Materiał obejmuje rachunek różniczkowy i całkowy jednej zmiennej: od pojęcia pochodnej i jego zastosowań (reguła de l’Hospitala, wielomiany Taylora), poprzez teorię ciągów i szeregów funkcyjnych (kryterium Weierstrassa zbieżności jednostajnej, twierdzenie Arzeli-Ascoliego), własności szeregów potęgowych, po teorię całki Riemanna, własności całek niewłaściwych i ich zastosowania (obliczanie długości krzywych klasy C¹, funkcja Γ, wzór Wallisa).

Nie podano opisu skróconego, przejdź do strony przedmiotu aby uzyskać więcej danych.

Rachunek różniczkowy jednej zmiennej, zbieżność ciągów i szeregów funkcyjnych, rachunek całkowy jednej zmiennej, przestrzenie metryczne i ciągłość funkcji wielu zmiennych, rachunek różniczkowy wielu zmiennych.

Twierdzenie Weierstrassa (o rozkładzie na iloczyn) i twierdzenie Mittag--Lefflera. Twierdzenie Rungego.

Funkcje wieloznaczne, przedłużenia analityczne, monodromia.

Powierzchnie Riemanna. Funkcje analityczne na powierzchniach Riemanna. Przykłady i informacje na temat podstawowych zagadnień teorii powierzchni Riemanna.

Podstawowe pojęcia teorii funkcji analitycznych wielu zmiennych zespolonych; równania Cauchy--Riemanna, rozwijalność w szeregi potęgowe, przedłużenia analityczne, problemy Cousina.

Techniki i narzędzia programistyczne w budowie aplikacji i serwisów WWW.

Funkcje i struktury systemów baz danych oraz przegląd modeli danych. Relacyjne bazy danych. Języki zapytań do relacyjnych baz danych. SQL. Projektowanie baz danych, teoria postaci normalnych i modelowanie związków encji. Przetwarzanie transakcji. Fizyczne aspekty wykonywania zapytań i składowania danych, metody optymalizacji zapytań. Niestandardowe modele baz danych: obiektowe bazy danych, dedukcyjne bazy danych (Datalog) i rozproszone bazy danych.

Przedstawienie głównych zagadnień w dziedzinie eksploracji danych (data mining) i metod ich rozwiązywania; omówienia podstawowych algorytmów i ich efektywnych realizacji na dużych zbiorach danych dla trudnych problemów takich, jak reguły asocjacyjne, redukty, dyskretyzacja atrybutów ciągłych, wzorce czasowe, drzewo decyzyjne; przedstawienie nowoczesnych technik obliczeń takich, jak równoległe przetwarzania, obliczenia ewolucyjne, heurystyki za pomocą standardowych baz danych lub logicznie zbudowanych struktur danych.

Studenci, którzy wcześniej zaliczyli przedmiot monograficzny Ekonometria (1000-1M02EK) nie mogą zaliczać Ekonometrii (1000-135EKN).

Splot funkcji i jego zastosowania do aproksymacji. Szeregi Fouriera i badanie ich zbieżności. Przestrzeń Schwartza i transformata Fouriera. Funkcja maksymalna Hardy’ego-Littlewooda. Funkcje monotoniczne, o wahaniu ograniczonym i absolutnie ciągłe. Funkcje lipszycowskie: ich rozszerzenia i własności aproksymacyjne. Przykłady powiązań pomiędzy teorią równań cząstkowych, teorią aproksymacji, analizą harmoniczną i zespoloną oraz teorią interpolacji.

Przedmiot stanowi wprowadzenie do geometrii algebraicznej. Na wykładzie zostaną wprowadzone rozmaitości algebraiczne i omówione zostaną ich podstawowe własności geometryczne. Pod koniec wykładu zostaną podane przykłady zastosowań geometrii algebraicznej (w zależności od preferencji wykładowcy).

Spojrzenie na problemy wizualizacji od strony geometrii obliczeniowej i zastosowanie nabytej wiedzy w praktyce.

Endomorfizmy przestrzeni liniowych, ślad i wyznacznik endomorfizmu, wektory i wartości własne, diagonalizacja. Iloczyny skalarne, bazy ortonormalne, ortogonalizacja Grama-Schmidta, kryterium Sylvestera, macierz Grama, iloczyn wektorowy. Przekształcenia przestrzeni euklidesowych liniowych, izometrie, macierze ortogonalne, przekształcenia samosprzężone i ich diagonalizacja, iloczyny hermitowskie i diagonalizacja przekształceń unitarnych. Formy dwuliniowe i ich diagonalizacja, kryterium Sylvestera o bezwładności. Przestrzenie i przekształacenia afiniczne, bazy punktowe, przestrzenie i przekształcenia styczne. Przestrzenie euklidesowe afiniczne, ich izometrie, odległość, miara objętości. Funcje wielomianowe, hiperpowierzchnie stopnia dwa w rzeczywistej przestrzeni afinicznej. Elementy teorii kategorii.

Celem zajęc jest przybliżenie studentom praktycznej wiedzy z zakresu głębokich sieci neuronowych. W trakcie kursu przedstawione zostaną wykorzystywane obecnie techniki, algorytmy oraz narzędzia. Poruszane zagadnienia będą użyte między innymi do problemów z dziedziny rozpoznawania obrazów oraz przetwarzania języka naturalnego.

Całe masy ludzi, choć są potencjalnymi odbiorcami dóbr świata cyfrowego, nie są w stanie przekroczyć bariery komunikacji pomiędzy człowiekiem a maszyną. Programy komputerowe nie są dostosowane do potrzeb i możliwości poznawczych użytkownika. Twórcy oprogramowania zapominają o tym, że nawet najwspanialsza aplikacja, wyposażona w optymalne algorytmy i struktury danych jest bezużyteczna, jeżeli jej odbiorca nie potrafi nią się posługiwać.

Na proponowanych przez nas zajęciach pokażemy proces tworzenia oprogramowania UCD (ang. User Centered Design), w którym centralną postacią jest użytkownik. Dzięki proponowanemu podejściu mamy szansę uniknąć powyżej opisanych problemów.

Omówimy w teorii i przećwiczymy na praktycznych przykładach dwa uzupełniające się, kluczowe procesy UCD: Projektowanie interakcji (ang. interaction design) oraz badanie użyteczności (ang. usability).

Celem tego przedmiotu pokazanie studentom konkretnych języków i narzędzi programistycznych.

Podstawowe modele obliczeń (automaty, gramatyki, maszyna Turinga), związki między trudnością problemów obliczeniowych a strukturalną złożonością modeli obliczeń. Hierarchia Chomsky'ego. Matematyczny sens pojęcia obliczalności oraz jego ograniczenia, a także - w zarysie - podstawowe zagadnienia złożoności obliczeniowej.

Kurs omawia bardzo różnorodne aspekty współczesnej kryptografii. Skupia się przede wszystkim na matematycznych podstawach tej dziedziny. Analizowane są dokładnie założenia omawianych twierdzeń oraz prezentowane ścisłe dowody. Bardzo precyzyjnie przedstawiane są definicje problemów kryptograficznych i dyskutowane różne ich warianty. Równolegle omawiane są aspekty praktycznych zastosowań. Pokazywane są konkretne protokoły oraz dyskutowane ich parametry (długości klucza itp). Większa część wykładu obejmuje zagadnienia klasyczne (szyfrowanie, uwierzytelnianie, podpis cyfrowy).

Wprowadzenie do logiki zdaniowej i logiki pierwszego rzędu: elementy teorii modeli, elementy teorii dowodu, rola i zastosowania w informatyce. Inne logiki ważne w informatyce.

Aparat matematyczny niezbędny do układania i analizy algorytmów: elementy kombinatoryki, teorii grafów i teorii liczb.

Wykład zawiera: elementy rachunku błedu zaaokrągleń, interpolacje wielomianową i splajnową, elementy aproksymacji, kwadratury złożone i kwadratury Gaussa, numeryczne metody rozwiązywania układów równań liniowych, rozwiązywanie równań nieliniowych, numeryczne zadanie własne (opcja).

Przedmiot ma też wersję "gwiazdkową", 1000-114bMOB*.

Tematyka kursu:

1.Wstęp: komputer i obliczenia. Przegląd programów typu CAS (Computer Algebra Systems), komercyjnych i darmowych.

2.Mathematica i Wolfram|Alpha: podstawowe możliwości, podobieństwa i różnice.

3.Podstawy języka Mathematica: instrukcje sterujące, wbudowane funkcje matematyczne (w tym macierzowe, statystyczne, itp.), funkcje graficzne. Przykłady z algebry i analizy, ukazujące siłę ekspresji języka i jego funkcji. Używanie języka Mathematica w Wolfram|Alpha.

4. Przykłady z różnych dziedzin nauk ścisłych, przyrodniczych, ekonomicznych i społecznych rozwiązane przy pomocy Wolfram|Alpha i programu Mathematica.

5. Format CDF. CDF Player i jego wykorzystanie w Wolfram|Alpha.

6. Przykłady tworzenia nowych CDF przez modyfikację kodu źródłowego istniejących "demonstracji" w Mathematica.

Celem wykładu jest przedstawienie podstawowych metod wyceny instrumentów finansowych. Na wykładzie będą omawiane metody drzewa dwumianowych, metody Monte Carlo oraz numeryczne rozwiązania równania Blacka-Scholesa. Wykład będzie zawierał niezbędne wiadomości teoretyczne na temat zbieżności schematów numerycznych rozwiązywania stochastycznych równań Ito, podstawowe wiadomości o analitycznych własnościach równań parabolicznych oraz o zbieżności schematów numerycznych dla tych równań. Teoretyczny materiał wykładu będzie ilustrowany przykładami zastosowania omawianych metod do wyceny konkretnych instrumentów finansowych.

Na zajęciach przewiduje się omówienie metodyki nauczania

a) statystyki opisowej (1 wykład),

b) elementarnej kombinatoryki (4 wykłady),

c) elementarnego rachunku prawdopodobieństwa (10 wykładów)oraz kształtowanie intuicji probabilistycznych (zadania z ciekawymi wynikami numerycznymi i paradoksy w teorii prawdopodobieństwa).

Nie podano opisu skróconego, przejdź do strony przedmiotu aby uzyskać więcej danych.

Od przybliżenia Borna-Oppenheimera do mechanicznego modelu układów (bio)molekularnych. Wyznaczanie stabilnych stanów struktury - lokalne i globalne metody minimalizacji energii. Ruchy molekularne - mikroskopowa dynamika molekularna i mezoskopowa dynamika brownowska. Metody Monte-Carlo oraz symulacje energii swobodnej. Fizyka i procesy ewolucji molekularnej. Mechanizmy tworzenia się uporządkowanych biomolekularnych struktur. Mechanizmy rozpoznawania się układów biomolekularnych. Biomolekularne maszyny i układy złożone.

W ramach wykładu studenci zapoznają się z budową białek enzymatycznych, mechanizmami katalizy oraz kinetyką enzymatyczną. W części laboratoryjnej zostaną przedstawione techniki i metody przydatne w pracy z enzymami w warunkach in vitro i in silico

Podstawy obliczeń naukowych z przykładami w języku python.

Obliczenia superkomputerowe (High Performance Computing, HPC) mają ogromny wpływ na współczesny świat, od numerycznych prognoz pogody po symulacje klimatu, czy od badania struktur białek po symulacje galaktyk. Współczesny superkomputer to kilkadziesiąt tysięcy węzłów, każdy z kilkudziesięcioma rdzeniami procesorów i często kilkoma tysiącami rdzeni akceleratorów. Wielka skala tych maszyn, heterogeniczność (akceleratory / procesory), stosunkowo częste awarie czy kilka rzędów wielkości różnicy wydajności między lokalną a zdalną pamięcią prowadzi do konieczności spojrzenia na problemy informatyczne z nowej perspektywy.

Językiem współczesnej matematyki jest język angielski i każdy matematyk musi umieć sprawnie komunikować się w nim. Dlatego też znajomość angielskiej terminologii matematycznej to podstawowa umiejętność każdego absolwenta studiów matematycznych.Celem zajęć jest przygotowanie studentów do czytania i pisania tekstów matematycznych w języku angielskim

Wykład obejmuje podstawowe zagadnienia z chemii ogólnej, fizycznej, nieorganicznej oraz organicznej. Omawiane są także elementy chemii analitycznej i preparatyki organicznej.

Przegląd podstawowych zagadnień etycznych, prawnych i ekonomicznych związanych z wykonywaniem zawodu informatyka.

Wyłozenie podstaw teoretycznych analizy stochastycznej (łancuchy Markowa, proces Poissona, procesy urodzin i smierci, procesy gałazkowe, równanie M, równania Fokkera-Plancka, Kołmogorowa, Langevina/Ito) bedzie zintegrowane z konkretnymi modelami biologicznymi (ekspresja i regulacja genów, kanały jonowe) oraz modelami teorii gier ewolucyjnych.

Celem zajęć jest pełniejsze przedstawienie programowania w logice (rozszerzenie wiedzy zdobytej na zajęciach z przedmiotu Języki i paradygmaty programowania).

Na wykładzie zostanie dokładnie przedstawiony mechanizm obliczeniowy stosowany w programowaniu w logice i zostaną wykazane jego własności (poprawność i pełność).

Ponadto zostaną omówione różne semantyki programów z negacją.

Na laboratorium studenci poznają techniki programowania w języku Prolog (m.in. dynamiczną modyfikację programu).

Celem przedmiotu jest zaprezentowanie słuchaczom najważniejszych informacji dotyczących przedsiębiorczości, w szczególności procesu poszukiwania i operacjonalizacji szans rynkowych, tworzenia koncepcji biznesu, zakładania nowych przedsiębiorstw i zarządzania nimi na pierwszych etapach rozwoju. Przedstawiane podczas wykładów zagadnienia zostaną przeanalizowane na przykładach, a następnie praktycznie wykorzystane na ćwiczeniach.

Aksjomatyka Kołmogorowa, podstawowe schematy probabilistczne.

Zmienne losowe, ich rozkłady, parametry rozkładów. Niezależność.

Zbieżność ciągów zmiennych losowych. Podstawowe twierdzenia graniczne: twierdzenie Poissona, słabe i mocne prawo wielkich liczb, twierdzenie de Moivre'a-Laplace'a.

Po krótkim wprowadzeniu w kombinatoryczne aspekty rachunku prawdopodobieństwa kurs będzie się skupiał głównie na algorytmach, które korzystają z technik probabilistycznych, ze szczególnym naciskiem na algorytmy geometryczne. Pokrótce zostanie dokonany przegląd klasycznych algorytmów randomizowanych tj. min-cut Kargera, zrandomizowany quicksort, czy zrandomizowane zaokrąglanie, itp., po czym przejdziemy do bardziej współczesnych rozwiązań takich jak algoriytmiczne ujęcie lokalnego lematu Lovásza, rozrzedzanie grafu i szacowanie objętości wypukłych politopów. Przedstawimy też algorytmy geometryczne takie jak lokalizacja punktu, przeszukiwanie zakresu, a także metryczne włożenia, redukcje wymiarów itp.

Równania różniczkowe zwyczajne, ich własności i przykłady zastosowań. Metody rozwiązywania RRZ: analityczne i numeryczne. Część ćwiczeń w laboratorium komputerowym, ilustrującym możliwości pakietów komputerowych w tym zakresie. Alternatywnie możesz wybrać 1000-114bRRZa o nieco innym charakterze.

Wprowadzenie podstawowych pojęć i narzędzi statystycznych takich jak estymacja i weryfikacja hipotez, a także statystycznej analizy danych, w tym klasyfikacji i klasteryzacji.

Studenci kierunku Matematyka mogą alternatywnie wybrać 1000-116bST o nieco innym charakterze.

Wykład jest poświęcony komputerowej symulacji zmiennych losowych i procesów stochastycznych. Zawiera również wstęp do metod Monte Carlo, czyli algorytmów zrandomizowanych.

Systemy uczące się muszą być zdolne do wyciągnięcia wniosków z doświadczeń, obserwacji i danych historycznych. Ta zdolność powinna doprowadzić do możliwości automatycznego poprawiania się systemu i tym samym zwiększa efektywności i skuteczności. Wykład będzie wstępem do podstaw systemów uczących się. Będziemy się zajmować wiele modeli uczenia opartego o przykłądy, w tym metod drzew decyzyjnych, sieci neuronowych, klasyfikatory Bayesowskie, i itp. To pozwoli nam zrozumieć niektóre problemy i wyzwania dla systemów uczących się, takie jak problem uogólnienia i obciążenia (bias) klasyfikatorów, overfitting, problem wyboru modelu, selekcja cech, wyuczalność, itp.

Przedmiot ma na celu zaznajomienie studentów z inteligentnymi technikami stosowanymi do rozwiązywania problemów, które są trudne lub niepraktyczne przy zastosowaniu typowych metod programistycznych. Zajęcia przedstawiają w związku z tym między innymi metody heurystyczne, aproksymacyjne, randomizowane, bazujące na wnioskowaniu dedukcyjnym i indukcyjnym, często modelowanym poprzez analogię do tego, w jaki sposób problemy rozwiązują ludzie. Główne tematy obejmują także inteligentne metody przeszukiwania dużych przestrzeniach stanów i rozwiązań, inteligentne strategie w grach, wnioskowanie w logice i logiczne podstawy planowania, podstawy uczenia maszynowego powiązane ze sztuczną inteligencja, podstawy modelowania niepewności, jak również różne zastosowania specjalistyczne.

Problem implementacji zdefiniowany jest następująco: mając dany zbiór optymalnych wyników dla różnych stanów świata (w formie reguły wyboru społecznego) skonstruuj grę (mechanizm) taki, że autonomiczni, racjonalni i nastawieni na własne korzyści agenci (czy też gracze) będą mieli motywację do podejmowania indywidualnych wyborów prowadzących do wyników społecznie optymalnych. Prostym przykładem mechanizmu jest aukcja drugiej ceny (powszechnie stosowana w aukcjach internetowych takich jak allegro czy e-bay). Motywuje ona kupującuch do składania ofert równym tyle ile kupowany obiekt jest dla nich wart. Innym przykładem są internetowe systemy punktowe motywujące użytkowników do składania uczciwych ocen.

Które reguły wyboru społecznego są implementowalne w sensie opisanym powyżej? Jakie są kluczowe własności wymagane dla implementowalności? Jak implementować takie reguły? Pytania te stanowią kluczowe zagadnienia podejmowane przez teorię implementacji.

Nie podano opisu skróconego, przejdź do strony przedmiotu aby uzyskać więcej danych.

Tworzenie systemów współbieżnych jest trudną sztuką, dlatego od zarania informatyki rozważa się różne modele matematyczne takich systemów.

Celem wykładu jest przybliżenie słuchaczom najważniejszych i najciekawszych z nich:, m.in. sieci Petriego i algebry procesów.

Dużo uwagi poświęcamy zagadnieniu automatycznej analizy modeli systemów współbieżnych, w szczególności złożoności obliczeniowej tego zagadnienia.

Część ćwiczeń odbywa się w laboratorium i poświęcona jest pracy z wybranymi narzędziami do modelowania i analizy systemów współbieżnych.

W części pierwszej wykładu zostanie omówione pojecie grupy podstawowej przestrzeni topologicznej i jej zwiazku z kategorią przestrzeni nakrywajacych. Druga część wykładu bedzie poświęcona wprowadzeniu do teorii homologii singularnych przestrzeni topologicznych. Na zakończenie przedstawione będą zastosowania wprowadzonych wcześniej pojęć.

Jeśli w wykładzie nie uczestniczą słuchacze obcojęzyczni, będzie on prowadzony po polsku.

Na zajęciach przedstawione zostaną współczesne techniki oraz algorytmy uczenia ze wzmocnieniem.

Wykład oraz towarzysząca pracownia komputerowa przeznaczone są dla studentów drugiego roku makrokierunku „Bioinformatyka i biologia systemów” oraz dla trzeciego roku „Projektowania molekularnego i bioinformatyki”. Dają podstawy zastosowań informatyki i nauk obliczeniowych do analizy białek, projektowania leków, analizy obrazowej oraz wstępu do biologii systemów.

Celem wykładu jest zapoznanie studentów z zasadami rozwiązywania problemów przy użyciu komputerów oraz praktyczna implementacja algorytmów.

Wprowadzenie podstawowych pojęć teorii procesów stochastycznych. Definicja i własności procesu Poissona i procesu Wienera. Wstępne informacje o procesach Markowa i martyngałach z czasem ciągłym.

Będziemy omawiać podstawowe pojęcia i aparat matematyczny teorii gier strategicznych i kooperacyjnych, oraz wybrane zastosowania w naukach społecznych, ekonomii i biologii.

Na wykładzie omówimy szereg zagadnień ze współczesnej teorii grafów w ujęciu klasycznym (niealgorytmicznym).

Poznanie celów, metod oraz technik wyjaśniania złożonych modeli uczenia maszynowego, modelu czarnej skrzynki.

Modele predykcyjne są coraz bardziej złożone, komitety drzew, głębokie sieci neuronowe to modele o tysiącach parametrów. Dla modeli o takiej wymiarowości łatwo stracić kontrolę nad tym czego model się wyuczył.

Podczas tego przedmiotu omówimy narzędzia do analizy struktury modelu traktowanego jako czarna skrzynka, oraz do analizy predykcji z tego modelu.

Pozwoli to na zwiększenie zaufania do modelu, poprawę skuteczności modelu, oraz możliwość wyciągnięcia użytecznej wiedzy z modelu.

W ostatnich latach spektakularnym sukcesem sztucznej inteligencji było zwycięstwo, stworzonego przez IBM, komputera Watson, w amerykańskim teleturnieju Jeopardy. Pokonanie ludzi w zadaniach wymagających wszechstronnej analizy tekstów o nieograniczonym zakresie tematycznym, a sformułowanych w języku naturalny, było możliwe dzięki synergii wyspecjalizowanych algorytmów i technik sztucznej inteligencji. Na wykładzie pokażemy, jak synteza tych (potencjalnie niezależnie rozwijanych) współczesnych metod pozwoliła na przeprowadzenie wnioskowania prowadzącego do zwycięstwa w prestiżowym teleturnieju.

Na laboratorium zajmiemy się tworzeniem aplikacji stosujących wybrane techniki sztucznej inteligencji przy użyciu systemu ABLE: Agent Building and Learning Environment. Ten stworzony przez IBM system oferuje bogaty zestaw algorytmów sztucznej inteligencji, przeznaczonych do realizacji rozmaitych typów wnioskowania i planowania.

Wykład jest gorąco zalecany studentom, którzy zamierzają w przyszłości uczestniczyć w seminarium magisterskim 'Systemy rozproszone', które w części obejmuje zagadnienia systemów operacyjnych, w tym rozproszonych systemów operacyjnych. Przedmiot jest realizowany poprzez wykład (częściowo prowadzony w formie ćwiczeń, połączony z przeglądaniem jądra, czytaniem prac naukowych) i laboratorium.

Zamierzamy razem ze studentami przyjrzeć się dokładnie budowie konkretnego systemu operacyjnego. Przykładem omawianym na zajęciach jest Linux, który jest nowoczesnym systemem, popularnym u nas na wydziale, często stosowanym jako platforma serwerowa, ale także na stacjach roboczych, komórkach, jako system wbudowany. Linux jest dostępny w postaci źródeł co pozwala na dokładnie przyjrzenie się zastosowanym w nim algorytmom, strukturom danych, a także samodzielne eksperymentowanie i prowadzenie badań w dziedzinie systemów operacyjnych.