Detail předmětu
Data Structures and Algorithms
FEKT-MPA-TINAk. rok: 2021/2022
Reprezentace informace , spočítatelnost a složitost, deterministické a nedeterministické automaty, lineární datové struktury, stromové datové struktury, grafy, zpřístupnění informace – dolování znalostí z báze dat, optimalizace, procesy, vlákna a paralelní výpočty, distribuované algoritmy
Garant předmětu
Zajišťuje ústav
Výsledky učení předmětu
Absolventi jsou schopni návrhu a implementace různých forem abstraktních datových typů a jeho aplikaci na řešení konkrétních problémů. Pro jejich řešení si umí použít lineární, stromové a grafové datové struktury, dále pak vyhledávat v datových strukturách a využít genetické algoritmy pro prohledávání stavového prostoru a optimalizaci.
Prerekvizity
Jsou požadovány znalosti na úrovni bakalářského studia.
Doporučená nebo povinná literatura
GOODRICH, T.M., TAMASSIA, R. Data Structures and Algorithms in Java. 2000. (EN)
Plánované vzdělávací činnosti a výukové metody
Metody vyučování zahrnují přednášky, cvičení na počítači a laboratoře. Předmět využívá e-learning (Moodle). Student odevzdává jeden samostatný projekt.
Způsob a kritéria hodnocení
závěrečná zkouška
Jazyk výuky
angličtina
Osnovy výuky
Přednášky:
1. Reprezentace informace, objektově orientovaný návrh.
2. Reprezentace informace, úvod do datových struktur.
3. Spočitatelnost, složitost a teorie automatů.
4. Reprezentace informace - lineární datové struktury a řazení.
5. Reprezentace informace - stromové datové struktury.
6. Reprezentace infomace - teorie grafů.
7. Zpřístupnění informace - kostra grafu.
8. Zpřístupnění informace - hledání cesty v grafu.
9. Zpřístupnění informace - dolování znalostí z báze dat.
10. Zpřístupnění informace - rozhodovací stromy.
11. Zpřístupnění informace - genetické algoritmy.
12. Zpřístupnění informace - genetické algorithmy II.
13. Vícevláknové výpočty, paralelizace.
Cvičení na počítači:
1. Úvod do OON.
2. Reprezentace informace I.
3. Reprezentace informace II.
4. Lineární datové strukury.
5. Binární vyhledávací stromy.
6. Teorie grafů.
7. Prohledávání grafů.
8. Půlsemestrální zkouška.
9. Prohledávání grafů - Disktrův algoritmus.
10. Analýza dat - rozhodovací stromy.
11. Optimalizace - genetické algoritmy.
Cíl
Cílem kurzu je seznámit studenty s teorií informace, variantami reprezentace informace, metodami zpřístupnění informace a způsoby dolování informací z dat s využitím výpočetních systémů.
Vymezení kontrolované výuky a způsob jejího provádění a formy nahrazování zameškané výuky
Vymezení kontrolované výuky a způsob jejího provádění stanoví každoročně aktualizovaná vyhláška garanta předmětu.
Zařazení předmětu ve studijních plánech
Typ (způsob) výuky
eLearning
eLearning: aktuální otevřený kurz