Hoppa till huvudinnehållet
Till KTH:s startsida Till KTH:s startsida

SF2526 Numeriska algoritmer för vetenskapliga problem med stora datamängder 7,5 hp

Administrera Om kursen

På grund av ett stort intresse och relevans of stora datamängder inom många vetenskapliga fält finns det ett behov att förstå de berökningstekniska angreppssätt som används för att analysera, förstå och extrahera information från stora datamängder. Denna kurs ger en introduktion till de numeriska algoritmer som används för att lösa problem med stora mängder data. Vi använder matematiska och numeriska verktyg för att analysera problem och algoritmer.

Välj termin och kursomgång

Välj termin och kursomgång för att se aktuell information och mer om kursen, såsom kursplan, studieperiod och anmälningsinformation.

Kursval

Gäller för kursomgång

VT 2025 Start 2025-01-14 programstuderande

Anmälningskod

61303

Rubriker med innehåll från kursplan SF2526 (HT 2020–) är markerade med en asterisk ( )

Innehåll och lärandemål

Kursinnehåll

Kursen handlar i huvudsak om algoritmiska och beräkningstekniska frågor samt tillämpningar i dessa ämnen:

  • Numeriska algoritmer för minstakvadratanpassning med stora datamängder
  • Numeriska algoritmer för stora grafer, nätverk och klustring
  • Numeriska algoritmer för distansproblem och klassificering

Lärandemål

Den allmänna målsättningen med kursens är förståelse för när algoritmer fungerar väl samt dess härledningar, implementation och analys. Mer specifikt ska studenten efter slutförd kurs kunna:

  • Implementera de viktigaste algoritmerna i kursens block,
  • analysera i vilka situationer kursens algoritmer fungerar väl samt deras begränsningar, med hjälp av tekniker från linjär algebra,
  • motivera eller härleda kursens metoder med noggranna matematiska resonemang, och
  • tillämpa kursens metoder på för verklighetsnära problem viktiga för ett hållbart samhälle.

Kurslitteratur och förberedelser

Särskild behörighet

  • Slutförd grundkurs i numerisk analys (SF1544, SF1545 eller motsvarande) och
  • Slutförd grundkurs i datalogi (DD1320 eller motsvarande).

Rekommenderade förkunskaper

SF2520 Tillämpade numeriska metoder (eller motsvarande), kan läsas parallellt.

Utrustning

Ingen information tillagd

Kurslitteratur

Ingen information tillagd

Examination och slutförande

När kurs inte längre ges har student möjlighet att examineras under ytterligare två läsår.

Betygsskala

A, B, C, D, E, FX, F

Examination

  • LAB1 - Laborationer, 3,5 hp, betygsskala: P, F
  • TEN1 - Tentamen, 4,0 hp, betygsskala: A, B, C, D, E, FX, F

Examinator beslutar, baserat på rekommendation från KTH:s handläggare av stöd till studenter med funktionsnedsättning, om eventuell anpassad examination för studenter med dokumenterad, varaktig funktionsnedsättning.

Examinator får medge annan examinationsform vid omexamination av enstaka studenter.

Möjlighet till komplettering

Ingen information tillagd

Möjlighet till plussning

Ingen information tillagd

Examinator

Profile picture Elias Jarlebring

Etiskt förhållningssätt

  • Vid grupparbete har alla i gruppen ansvar för gruppens arbete.
  • Vid examination ska varje student ärligt redovisa hjälp som erhållits och källor som använts.
  • Vid muntlig examination ska varje student kunna redogöra för hela uppgiften och hela lösningen.

Ytterligare information

Kursrum i Canvas

Registrerade studenter hittar information för genomförande av kursen i kursrummet i Canvas. En länk till kursrummet finns under fliken Studier i Personliga menyn vid kursstart.

Ges av

SCI/Matematik

Huvudområde

Matematik

Utbildningsnivå

Avancerad nivå

Påbyggnad

Ingen information tillagd

Kontaktperson

Elias Jarlebring (eliasj@kth.se)