"False"
Hoppa direkt till innehållet
printicon
Huvudmenyn dold.
Kursplan:

DV1: Datavetenskapens byggstenar, 7,5 hp

Kursen är nedlagd från och med 2022-11-18

Engelskt namn: CS1: Foundations of Computing Science

Denna kursplan gäller: 2014-07-28 till 2015-08-09 (nyare version av kursplanen finns)

Kurskod: 5DV160

Högskolepoäng: 7,5

Utbildningsnivå: Grundnivå

Huvudområden och successiv fördjupning: Datavetenskap: Grundnivå, har mindre än 60 hp kurs/er på grundnivå som förkunskapskrav

Betygsskala: Tregradig skala

Ansvarig institution: Institutionen för datavetenskap

Beslutad av: Teknisk-naturvetenskapliga fakultetsnämnden, 2014-08-19

Innehåll

Kursen behandlar grundläggande abstrakta datatyper och tillhörande algoritmer, komplexitetsanalys och tillämpningsexempel. Kursen ger också en introduktion till vetenskapligt skrivande och experimentell metodik. Under kursen används programspråket C.

Grundläggande abstrakta datatyper som behandlas är bland andra fält, lista, stack, kö, mängd och tabell. Datatypernas informella och formella specifikationer, generella egenskaper och användningsområden liksom olika implementationsmöjligheter och deras specifika egenskaper behandlas. Vidare behandlas grundläggande algoritmer (till exempel sökning, sortering och traversering) förknippade med dessa abstrakta datatyper, deras komplexitet och karakteristiska egenskaper. Komplexitetsanalys av algoritmer introduceras och studenten lär sig beskriva resultatet av en sådan analys matematiskt. Under kursens gång introduceras studenterna till experimentell metodik och vetenskapligt skrivande och får praktisk erfarenhet av att genomföra ett experiment och avrapportera detta i en skriftlig rapport. Studenterna får också träning att studera vetenskapliga artiklar inom kursens ämnesområde samt muntligt presentera och diskutera sitt arbete med artikeln.

Teoridelarna i kursen tillämpas genom problemlösning (att konstruera algoritmer) och programmering (att överföra algoritmer till källkod i ett programspråk). Färdigheter som testning, felsökning och dokumentation övas. Komplexitet hos algoritmer undersöks.

Kursen består av två moment:
Moment 1, teori, 4.5 högskolepoäng
Moment 2, problemlösning, 3 högskolepoäng

 

Förväntade studieresultat

Efter avslutad kurs ska studenten kunna:
Kunskap och förståelse

  • förklara begrepp relaterade till datastrukturer, abstrakta datatyper och algoritmer (FSR 1),
  • beskriva grundläggande abstrakta datatyper, deras specifikationer, egenskaper och ge exempel på deras användningsområden och implementationsmöjligheter (FSR2),
  • definiera matematiska begrepp relaterade till rums- och tidskomplexitet (FSR 3),

Färdighet och förmåga

  • tillämpa algoritmer relaterade till abstrakta datatyper (FSR 4),
  • formulera lösningar till enkla problem i form av algoritmer och implementera lösningarna i programspråket C (FSR 5),
  • tillämpa filhantering och dynamisk minnesallokering i programspråket C (FSR 6),
  • tillämpa experimentell metodik för att undersöka rums- och tidskomplexitet (FSR 7),
  • teoretiskt undersöka en algoritms rums- och tidskomplexitet, samt redogöra för och dokumentera utfallet skriftligt (FSR 8)
  • säkerställa kvaliteten hos ett program genom att systematiskt testa en komponent i ett program (FSR 9),
  • använda sig av systematisk felsökning med hjälp av en debugger (FSR 10),
  • studera en given artikel inom ämnesområdet och muntligt presentera och diskutera den med andra (FSR 11).

Behörighetskrav

För tillträde till kursen krävs kursen DV0: Komputationellt tänkande (5DV159) samt en grundläggande kurs om minst 7.5hp i programmeringsmetodik i programspråket C (tex 5DV157, 5DV158, 5DV104, 5DV114) eller motsvarande kunskaper.

Undervisningens upplägg

Undervisningen bedrivs i form av föreläsningar, seminarier, arbete i datorlabb och övningar i mindre grupper. Utöver schemalagda aktiviteter krävs även individuellt arbete med materialet. Obligatorisk närvaro krävs på examinerande seminarier.

Examination

Examinationen på Moment 1 (FSR 1-4, 7-8) sker dels genom ett antal mindre delprov samt en skriftlig tentamen. Momentet bedöms med något av betygen Väl godkänd (VG), Godkänd (G) eller Underkänd (U).

Moment 2 (FSR 3-11) examineras genom ett antal obligatoriska uppgifter varav minst en uppgift genomförs i seminarieform. På moment 2 ges betygen Underkänd (U) eller Godkänd (G).

På hela kursen ges något av betygen Väl godkänd (VG), Godkänd (G) eller Underkänd (U). För att bli godkänd på hela kursen krävs att samtliga prov och obligatoriska moment är godkända. Betyget utgör en sammanfattande bedömning av resultaten vid examinationens olika delar och sätts först när alla obligatoriska moment är godkända.

För studerande som inte godkänns vid ordinarie provtillfälle anordnas ytterligare provtillfälle. Notera att när det gäller examinerande seminarier så anordnas ett "uppsamlingsseminarium" vid anslutning till kursens slut. Om student fortfarande inte blivit godkänd på seminarieuppgiften efter detta tillfälle är nästa komplettering i samband med att kursen ges nästa gång.

En student som utan godkänt resultat har genomgått två prov för en kurs eller en del av en kurs, har rätt att få en annan examinator utsedd, om inte särskilda skäl talar emot det (HF 6 kap. 22 §). Begäran om ny examinator ställs till prefekten vid Institutionen för datavetenskap.

Övriga föreskrifter

TILLGODORÄKNANDE
Student har rätt att få prövat om tidigare utbildning eller motsvarande kunskaper och färdigheter förvärvade i yrkesverksamhet kan tillgodoräknas för motsvarande utbildning vid Umeå universitet. Ansökan om tillgodoräknande skickas in till Studentcentrum/Examina. Mer information om tillgodoräknande finns på Umeå universitets studentwebb, www.student.umu.se, och i högskoleförordningen (6 kap). Ett avslag på ansökan om tillgodoräknande kan överklagas (Högskoleförordningen 12 kap) till Överklagandenämnden för högskolan. Detta gäller såväl om hela som delar av ansökan om tillgodoräknande avslås.

I en examen får denna kurs ej ingå, helt eller delvis, samtidigt med en annan kurs med likartat innehåll. Vid tveksamheter bör den studerande rådfråga studievägledare vid Institutionen för datavetenskap och/eller programansvarig för sitt program.

Speciellt gäller att denna kurs kan ej ingå fullt ut i en examen samtidigt som någon av kurserna Datastrukturer och algoritmer (5DV108, 5DV041, 5DV043), Datastrukturer och algoritmer (C) (5DV127,5DV149) eller Datastrukturer och algoritmer (Python) (5DV128, 5DV150).

Överlappet mellan denna och kurserna uppräknade ovan motsvarar ca 5hp. Om man läst någon av dessa kurser och vill tillgodoräkna de kunskaperna till denna så måste man komplettera med examinerande delar som motsvarar FSR 11 (som saknas helt i kurserna ovan) samt de mindre delproven som ingår i moment 1.

Litteratur

Giltig från: 2014 vecka 35

Datatyper och algoritmer
Janlert Lars-Erik, Wiberg Torbjörn
2., [rev.] uppl. : Lund : Studentlitteratur : 2000 : x, 387 s. :
ISBN: 91-44-01364-7
Se Umeå UB:s söktjänst