Hjem
Studentsider
Laveregradsemne

Dataorientert visuell berekning

Hovedinnhold

Studiepoeng, omfang

10

Studienivå (studiesyklus)

Bachelor/Master

Fulltid/deltid

Fulltid

Undervisningssemester

Vår.

Emnet krev ei rimeleg forståing av matematikk (spesielt innen lineær algebra) og gode kunnskapar i programmering. Emnet bør derfor inngå i 4. eller 6.semester.

Mål og innhald

Mål:

Hovudmålet med emnet INF250 er å gje studentane den naudsynte kunnskapen og relaterte ferdigheiter for å utnytte data i moderne databehandlingsproblem (spesielt i visuell databehandling), i tillegg til generell kompetanse i data-orientert visuell databehandling. Studentane blir introdusert til eit bredt spekter av matematiske berekningsløysingar for å omforme data til verdiar i forskjellige applikasjoner (betre modellar, beslutningar, også vidare). Etter ein vellukka fullføring av emnet så veit studentane kva slags løysingar som eksisterer, korleis dei fungerar, og er i stand til å nytte dei på verklege, dataintense problem.

Innhald:

Emnet behandlar eit bredt spekter av tema i samanheng med data-orientert visuell databehandling. Dette inkluderar nyttige løysingar frå lineær algebra, metodar for å endre representasjon av data (endring av grunnlag, også vidare), metodar for å tilpasse modellar til data, grunnleggjande optimalisering, nyttig grunnlag i numerisk derivasjon og integrasjon, utvalde tema frå statistikk og maskinlæring, samt ein innføring i biletehandsaming og visualisering.

Læringsutbyte

Studenten skal ved avslutta emne ha følgjande læringsutbyte definert i kunnskapar, ferdigheiter og generell kompetanse:

Kunnskapar

Studenten

  • veit om lineære system og korleis å løyse dei
  • forstår basiskonseptet og veit korleis å endre basis
  • veit om utvalde dekomposisjonssmetodar og korleis å utnytte dei for å oppnå ein meir meiningsfull representasjon av data
  • veit om datamodellering og korleis å tilpasse ein enkel modell til data
  • forstår analytiske løysingar av iterative tilnærmingar
  • forstår utvalde grunnlag om optimalisering
  • kjenner grunnleggjande metodar for numerisk derivasjon og integrasjon
  • forstår utvalde grunnlag i statistikk, nyttig for data-orientert visuell databehandling
  • veit om grunnlag i maskinlæring, nyttig for data-orientert visuell databehandling
  • veit utvalde grunnlag i biletehandsaming og visualisering
  • veit om grunnleggjande GPU programmering

Ferdigheiter

Studenten

  • er i stand til å endre basisen for ein gjeve datarepresentasjon
  • kan bruke SVD eller PCA for å beire utnytte verdien i gitt data
  • er i stand til å tilpasse ein enkel modell for gitt data
  • kan programmere ein iterativ løsying for å løyse visse grunnleggjande data-orienterte problem
  • er i stand til å gjennomføre ein grunnleggjande optimalisering på eit gitt data-orientert problem
  • kan realisere ein enkel numerisk løysing på eit gjeve derivasjons- eller integrasjonsproblem
  • kan utnytte grunnleggjande statistiske begrep for å kople gjevne data til verdiar
  • kan utføre enkel biletehandsaming og grunnleggjande visualisering
  • kan realisere ein grunnleggjande løysing basert på GPU programmering

Generell kompetanse

Studenten

  • kan vurdere kor formålstenleg ei løysing er med omsyn til eit gjeve problem
  • kan realisere ein meir avansert løysing, basert på grunnleggjande kunnskap frå INF250 pluss ytterligare kompetanse basert på vidare forsking

Krav til forkunnskapar

INF100 og INF101 (eller tilsvarande)

MAT101 eller MAT111 eller MAT105 (eller tilsvarande)

Emnet forutsettar grunnleggjande kunnskap om programmering og matematikk frå tidlegare universitetsutdanning. Studentane skal ha bestått minst eitt grunnkurs fra matematikk (helst med grunnleggjande opplæring i lineær algebra), og minst to emne om programmering.

Tilrådde forkunnskapar

Grunnleggjande kunnskapar om lineær algebra er svært nyttig når for dette emnet. Erfaringar med objektorientert programmering (til dømes Java) er òg veldig nyttig.

Krav til studierett

For oppstart på emnet er det krav om ein studierett knytt til Det matematisk-naturvitskaplege fakultet http://www.uib.no/matnat/52646/opptak-ved-mn-fakultetet

Arbeids- og undervisningsformer

Undervisninga gjevast i form av førelesningar, gruppemøter og praktiske oppgåver

  • Førelesningar (omtrent 25 dobbelt-einingar gjennom semesteret),
  • Gruppemøter (omtrent 8 dobbelt-einingar gjennom semesteret),
  • Oppgåver (omtrent 8 oppgåver med frist kvar andre veke)

Obligatorisk undervisningsaktivitet

Studentene må klare minst 40% av eksamen og minst 40% av oppgåvane

Vurderingsformer

I emnet nyttar ein følgjande vurderingsformer:

  • 3 timar skriftleg eksamen på slutten av semesteret (40% av evalueringen)
  • oppgåver (60% av evalueringa)

Hjelpemiddel til eksamen

Enkel kalkulator tillate i samsvar med modellar angitt i fakultetet sine regler.

Karakterskala

Ved sensur av emnet vert karakterskalaen A-F nytta.

Vurderingssemester

Det er ordinær eksamen kvart semester. I semesteret utan undervisning er eksamen tidleg i semesteret.

Litteraturliste

Litteraturlista vil vere klar innan 01.06. for haustsemesteret og 01.12. for vårsemesteret.

Emneevaluering

Studentane skal evaluere undervisninga i tråd med UiB og instituttet sitt kvalitetssikringssystem.

Programansvarleg

Programstyret har ansvar for fagleg innhald og oppbygging av studiet og for kvaliteten på studieprogrammet og alle emna der.

Emneansvarleg

Emneansvarleg og administrativ kontaktperson finn du på Mitt UiB, kontakt eventuelt mailto:studieveileder@ii.uib.no">studierettleiar

Administrativt ansvarleg

Det matematisk-naturvitenskapelige fakultet v/ institutt for informatikk har det administrative ansvaret for emnet og studieprogrammet.

Kontakt

Studierettleiar kan kontaktast her:

studieveileder@ii.uib.no

Tlf 55 58 42 00

Eksamensinformasjon

  • Klokkeslett for oppstart av skriftlig eksamen kan endre seg fra kl 09.00 til 15.00 eller vice versa inntil 14 dager før eksamen.

  • Vurderingsordning: Skriftleg skuleeksamen

    Dato
    02.06.2023, 09:00
    Varigheit
    3 timer
    Trekkfrist
    19.05.2023
    Sensur kunngjøres
    07.06.2023
    Eksamenssystem
    Inspera
    Digital eksamen
    Sted