it fagene i de gymnasiale uddannelser
|
|
- Peder Jørgensen
- 7 år siden
- Visninger:
Transkript
1 it fagene i de gymnasiale uddannelser Machine learning, datamining og big data Benjamin Rotendahl April 17,
2 benjamin rotendahl Hvem er jeg? Datalogistuderende ved Københavns Universitet. Frivillig/studentermedhjælper/bestyrelsesmedlem i Coding Pirates. Medlem af Datalogisk Instituts ved Københavns universitets gymnasietjeneste. Slides kan hentes her rotendahl.dk/slides.pdf 2
3 lynkursus i machine learning Materiale Udrag fra en fagpakke der er udviklet for gymnasietjenesten ved Datalogisk Institut Københavns Universitet. Link : Undervisningsmetode Materialet er svært. Learn by doing. Smagsprøve. 3
4 programmet for i dag Intro til Machine Learning Forklaring af de overordnede ideer og tanker bag machine learning Perceptron algoritmen En simpel machine learning algoritme bygget på vektorregning. Fremvisning og øvelser i ipython Interaktive øvelser i værktøjet ipython. Afrunding og spørgsmål 4
5 hvad er machine learning
6 hvad er machine learning Problemstilling Vi indsamler større og større mængder af data hele tiden, så meget at det har fået sit eget buzzword Big Data. Løsning Finde en måde at få computere til at finde de underliggende mønstre og bruge den viden/erfaring der ligger i data en. Hvornår er ML godt? 1. Der eksisterer et mønster 2. Vi kan ikke finde en matematisk formel 3. Vi har data på problemet 6
7 dagens øvelse Vi er blevet hyret af et hospital da de har hørt at vi IT-folk kan hjælpe deres patienter. Problemstilling Vi skal lave et system der, givet data om en patient, kan bestemme om deres svulst er godartet eller ondartet. Hmm, det var da et ret generelt problem... Problemstilling Vi skal lave et system der, givet data om en kunde, kan bestemme om det er en god forretning at låne dem penge. Problemet kaldes klassificering, gode løsninger kan have stor indflydelse inden for mange felter. 7
8 formalisering Termer Input: En vektor (patient data) Output: 1 eller 1 (ondartet eller godartet) Data: (x 1,y 1 ),(x 2,y 2 ),...,(x n,y n ) (Hvad vi lærer fra) Hypotese: g : X Y (Vores systems Hjerne ) 8
9 visuel formalisering Figure 1: Visuelt læringsdiagram 9
10 et kig på vores data? Input Threshold 1 Clump Thickness 7 Uniformity of Cell Size 1 Uniformity of Cell Shape 4 Epithelial Cell Size 2 Bare Nuclei 3 Bland Chromatin 8 Normal Nucleoli 10 Mitoses 3 Output Ondartet eller godartet Data vektor Output 1 10
11 perceptron algoritmen
12 valget af lærings-algoritmen Perceptron Den laver et hyperplan der adskiller data en og finder en opdeling der giver en lav fejl. Tænk på den som en form for lineær regression på steroider y = ax + b Eksempel på algoritmen 12
13 algoritmen i ord Hvordan virker den? Vi har en masse vektorer x 1,x 2,...,x n og en liste af svar y 1,y 2,...,y n. Vi lader w være vores hjerne-vektor. Godartet svulst : Ondartet svulst : Vores hypotese bliver så h(x) = f ortegn d i=1 d i=1 ( d i=0w i x i ) w i x i > b w i x i < b = w x Men hvordan bestemmer vi w? 13
14 hvordan den lærer Hvordan w bestemmes w = vælg tilfældige tal Vi forbedrer w hver gang Hvis x er på den forkerte side af w så lærer den erfaringen ved formlen w ny = w + y x Forsæt med at forbedre så længe så muligt. 14
15 perceptron algoritme Pseduocode w = Tilfældige tal islearning = True while islearning do islearning = False for (x i,y i ) in X do if sign(w T x i ) y i then islearning = True w = w + y i x i end if end for end while return w
16 ipython og øvelser
17 øvelser ipython Online python fortolker, med mulighed for nemt og hurtigt at lave opgaver til studerende. Gå ind på rotendahl.dk/vejle kode: DIKU 17
18 afslutning
19 afrunding Hvor god er den? I opgaverne kigger i kun på 25 eksempler! og tester på 75 patienter I kan forvente at den har ret på cirka 60 70% af patienterne!. Kører man den i stedet med 500 eksempler og tester på 180. Rammer den rigtigt 178 gange og forkert 2 gange. Det betyder at den har en succes rate på 98,9%! 19
20 emner inden for machine learning Matematikken bag Hvordan sikrer vi at den faktisk kan sige noget om virkeligheden? Etiske spørgsmål Fordomme i data en bliver lært, skal det være sådan? Hvad betyder det at lære? rotendahl.dk/mlexcerpt Automatisering Skal vi have grænser for hvilke jobs de må tage? Guide til ipython Hvordan sætter man det op og hvor kan det ellers bruges til? 20
21 spørgsmål Links rotendahl.dk/slides.pdf Tak for opmærksomheden Spørgsmål? 21
Dagens opgave. Vi er blevet hyret af et hospital da de har hørt at vi dataloger kan hjælpe deres patienter.
Dagens opgave Vi er blevet hyret af et hospital da de har hørt at vi dataloger kan hjælpe deres patienter. Arinbjörn Brandsson Benjamin Rotendahl UNF på Københavns Universitet Dias 1/10 Dagens opgave Vi
Læs mereData-analyse og datalogi
Det Naturvidenskabelige Fakultet Data-analyse og datalogi Studiepraktik 2014 Kristoffer Stensbo-Smidt Datalogisk Institut 23. oktober 2014 Dias 1/15 Hvorfor bruge tid på dataanalyse?! Alle virksomheder
Læs mereKreativ programmering
Kreativ programmering Mads Remvig Lærer og digital læringsvejleder Beder skole - Aarhus Underviser i matematik, fysik/kemi, håndværk og design Frivillig i Coding Pirates i Århus Kodeklub Master i It, Kommunikation
Læs mereMatematik, sprog, kreativitet og programmering. Lærervejledning. Stefan Mandal Winther VIA Center for Undervisningsmidler 01-05-2015
Matematik, sprog, kreativitet og programmering 2015 Lærervejledning Stefan Mandal Winther VIA Center for Undervisningsmidler 01-05-2015 Indhold Indledning... 2 CFU og kodning i undervisningen... 2 Læringsmål
Læs mereThe Incredible Code Machine med Swift Playgrounds
The Incredible Code Machine med Swift Playgrounds Guide for vejledere The Incredible Code Machine med Swift Playgrounds Guide for vejledere 1 Velkommen Du skal bruge Afhold dit eget EU Code Week-arrangement
Læs mereFraktaler Mandelbrots Mængde
Fraktaler Mandelbrots Mængde Foredragsnoter Af Jonas Lindstrøm Jensen Institut For Matematiske Fag Århus Universitet Indhold Indhold 1 1 Indledning 3 2 Komplekse tal 5 2.1 Definition.......................................
Læs mereMichael Jokil 11-05-2012
HTX, RTG Det skrå kast Informationsteknologi B Michael Jokil 11-05-2012 Indholdsfortegnelse Indledning... 3 Teori... 3 Kravspecifikationer... 4 Design... 4 Funktionalitet... 4 Brugerflade... 4 Implementering...
Læs mereAlgoritmer og invarianter
Algoritmer og invarianter Iterative algoritmer Algoritmen er overordnet set een eller flere while eller for-løkker. Iterative algoritmer Algoritmen er overordnet set een eller flere while eller for-løkker.
Læs mereDM507 Algoritmer og datastrukturer
DM507 Algoritmer og datastrukturer Introduktion til kurset Rolf Fagerberg Forår 2019 1 / 20 Hvem er vi? Underviser: Rolf Fagerberg, Institut for Matematik og Datalogi (IMADA) Forskningsområde: algoritmer
Læs mereSelvstudium 1, Diskret matematik
Selvstudium 1, Diskret matematik Matematik på første studieår for de tekniske og naturvidenskabelige uddannelser Aalborg Universitet I dette selfstudium interesserer vi os alene for tidskompleksitet. Kompleksitet
Læs mereDM507 Algoritmer og datastrukturer
DM507 Algoritmer og datastrukturer Forår 2019 Projekt, del I Institut for matematik og datalogi Syddansk Universitet 27. februar, 2019 Dette projekt udleveres i tre dele. Hver del har sin deadline, således
Læs mereSkriftlig Eksamen Algoritmer og Datastrukturer (dads)
Skriftlig Eksamen Algoritmer og Datastrukturer (dads) Datalogisk Institut Aarhus Universitet Mandag den 27. maj 2002, kl. 9.00 13.00 Opgave 1 (25%) Denne opgave handler om multiplikation af positive heltal.
Læs mereMachine Learning til forudsigelser af central KPI
Machine Learning til forudsigelser af central KPI En case fra Banedanmark 07-05-2019 Konferencen Big Data, AI & Analytics Hvad skal vi med al den data? 1 Navn: Dorte-Lene Bacher Projektchef: Datadrevne
Læs mereForelæserne har alle virket meget engagerede og generelt set været gode til at formidle deres respektive emner.
Nævn noget, som har været godt ved kurset: Take home eksamen Mange forskellige emner giver en god ide om hvad studiet omhandler Undervisningen har generelt set været god. Og Rolf har været god til at ligge
Læs mereLær Python dag 1 - modul 1
Lær Python dag 1 - modul 1 Introduktion, basis python Steffen Berg Klenow Jonas Bamse Andersen Syddansk Universitet Indhold 1. Velkommen 2. Programmering i python 3. Typer, variabler og udtryk 1 Velkommen
Læs mereCAS som grundvilkår. Matematik på hf. Marts 2015 Bodil Bruun, fagkonsulent i matematik stx/hf
CAS som grundvilkår Matematik på hf Marts 2015 Bodil Bruun, fagkonsulent i matematik stx/hf At spørge og svare i, med, om matematik At omgås sprog og redskaber i matematik De 8 kompetencer = 2 + 6 kompetencer
Læs mereFraktaler. Mandelbrots Mængde. Foredragsnoter. Af Jonas Lindstrøm Jensen. Institut For Matematiske Fag Århus Universitet
Fraktaler Mandelbrots Mængde Foredragsnoter Af Jonas Lindstrøm Jensen Institut For Matematiske Fag Århus Universitet Indhold Indhold 1 1 Komplekse tal 3 1.1 Definition.......................................
Læs mereHour of Code med Swift Playgrounds
Hour of Code med Swift Playgrounds The Incredible Code Machine undervisningsvejledning Hour of Code med Swift Playgrounds Undervisningsvejledning 1 Velkommen Du skal bruge Afhold dit eget Hour of Code-arrangement
Læs mereRolf Fagerberg. Forår 2015
Forår 2015 Dagens program 1 2 3 4 5 Underviser:, IMADA Forskningsområde: algoritmer og datastrukturer Underviser:, IMADA Forskningsområde: algoritmer og datastrukturer Deltagere: BA i Datalogi BA i Software
Læs mereRegneark hvorfor nu det?
Regneark hvorfor nu det? Af seminarielektor, cand. pæd. Arne Mogensen Et åbent program et værktøj... 2 Sådan ser det ud... 3 Type 1 Beregning... 3 Type 2 Præsentation... 4 Type 3 Gæt... 5 Type 4 Eksperiment...
Læs mereAlgoritmedesign med internetanvendelser ved Keld Helsgaun
Algoritmedesign med internetanvendelser ved Keld Helsgaun 1 Analyse af algoritmer Input Algoritme Output En algoritme er en trinvis metode til løsning af et problem i endelig tid 2 Algoritmebegrebet D.
Læs mereDigital Transformation Hvad kan universiteter og innovationsnetværk bidrage med? Kim Guldstrand Larsen (AAU InfinIT)
Digital Transformation Hvad kan universiteter og innovationsnetværk bidrage med? Kim Guldstrand Larsen (AAU InfinIT) Kim G Larsen Virksomheders Digitale Transformation 1 INFINIT konsortium Kim G Larsen
Læs mereSkolemessen 2012. Anvendelse af it i skolen - og undervisningsdifferentiering
Skolemessen 2012 It i folkeskolen Fra vision til didaktisk praksis Anvendelse af it i skolen - og undervisningsdifferentiering Lektor, ph.d. Jeppe Bundsgaard Institut for Uddannelse og Pædagogik (DPU)/Aarhus
Læs mereProgrammering, algoritmik og matematik en nødvendig sammenblanding?
Programmering, algoritmik og matematik en nødvendig sammenblanding? Oplæg til IDA møde, 29. november 2004 Martin Zachariasen DIKU 1 Egen baggrund B.Sc. i datalogi 1989; Kandidat i datalogi 1995; Ph.D.
Læs mereKom godt i gang med I-bogen
Kom godt i gang med I-bogen At åbne bogen Det allerførste, du skal gøre, for at kunne arbejde med i-bogen, er at aktivere den. Det gøres ved at oprette en konto på systime.dk og derefter aktivere bogen
Læs mereDDD Runde 2, 2015 Facitliste
DDD Runde 2, 2015 Facitliste Søren Dahlgaard og Mathias Bæk Tejs Knudsen Opgaver og løsninger til 2. runde af DDD 2015. 1 4. 19. februar, 2015 linetest DK v1.0 Line Test Sigurd er begyndt i gymnasiet og
Læs mereListen over reserverede ord er meget lang, men de væsentligste vil jeg beskrive her i denne artikel:
Denne guide er oprindeligt udgivet på Eksperten.dk SQL og ASP En artikel omkring simpel SQL og hvordan disse opbygges, udformes og udføres, sådan at man kan få et brugbart resultat i ASP. Dette ligefra
Læs mereKomplekse tal og Kaos
Komplekse tal og Kaos Jon Sporring Datalogisk Institut ved Københavns Universitet Universitetsparken 1, 2100 København Ø August, 2006 1 Forord Denne opgave er tiltænkt gymnasiestuderende med matematik
Læs mereInvarianter. Invariant: Et forhold, som vedligeholdes af algoritmen gennem (dele af) dens udførelse. Udgør ofte kernen af ideen bag algoritmen.
Invariant: Et forhold, som vedligeholdes af algoritmen gennem (dele af) dens udførelse. Udgør ofte kernen af ideen bag algoritmen. Invariant: Et forhold, som vedligeholdes af algoritmen gennem (dele af)
Læs mereMatematik i stort format Udematematik med åbne sanser
17-09-2010 side 1 Matematik i stort format Udematematik med åbne sanser Fredag d. 17. september kl. 11.15-12.15 Næsbylund Kro, Odense Mette Hjelmborg 17-09-2010 side 2 Plan Hvad er matematik i stort format?
Læs mereLedelsesrapportering i nyt perspektiv Jyske Bank
Ledelsesrapportering i nyt perspektiv Jyske Bank 1 Jyske Bank Danmarks 3. største bank Netop fusioneret med BRF 120 Privatafdelinger 35 Erhvervsafdelinger, heraf 4 Erhvervscentre. 10 Private Banking centre
Læs mereIndhold Forord Sammenfatning 1. Indledning 2. Om VIIS projektet !" #$%&'()')* +,-./- 4. Mål og kriterier for projektet 5.
Indhold Forord Side 5 Sammenfatning Side 7 1. Indledning Side 12 2. Om VIIS projektet Side 14 Side 21 4. Mål og kriterier for projektet Side 23 5. Evalueringsmetode Side 25 6. Procesmæssige resultater
Læs mereHTML, PHP, SQL, webserver, hvad er hvad??
Dagens menu HTML og PHP: Baglæs fra output til input PHP: Variable, strenge og arrays Funktioner, oprettelse og kald (og variable på tværs af funktioner) echo vs return? if-else konstruktioner MySQL: Hvad
Læs mereDATALOGISK INSTITUT, AARHUS UNIVERSITET. Det Naturvidenskabelige Fakultet EKSAMEN. Grundkurser i Datalogi
DATALOGISK INSTITUT, AARHUS UNIVERSITET Det Naturvidenskabelige Fakultet EKSAMEN Grundkurser i Datalogi Antal sider i opgavesættet (incl. forsiden): 1 (tolv) Eksamensdag: Fredag den 7. august 009, kl.
Læs mereToyota Kata. Baggrunden. Tankegangen. Forbedrings Kata. Coaching Kata. Kom godt i gang
Toyota Kata Baggrunden Tankegangen Forbedrings Kata Coaching Kata Kom godt i gang Historien Mike Rother, Professor på University of Michigan. ForfaBer Cl Learning to see og Toyota Kata Bogen; Toyota Kata,
Læs mereMatematik C. Højere forberedelseseksamen
Matematik C Højere forberedelseseksamen 2hf111-MAT/C-26052011 Torsdag den 26. maj 2011 kl. 9.00-12.00 Opgavesættet består af 7 opgaver med i alt 15 spørgsmål. De 15 spørgsmål indgår med lige vægt ved bedømmelsen.
Læs mereJan B. Larsen HTX Næstved Computational Thinking Albena Nielsen N. Zahles Gymnasium 2018/2019
Forløb: Toksikologi Fag og emner Forløbet kan laves udelukkende i matematik og bioteknologi, men der er oplagt, at det implementeres i andre fag. Matematik modellering, differenceligninger, sandsynlighed,
Læs mereFor at få tegnet en graf trykkes på knappen for graftegning. Knap for graftegning
Graftegning på regneark. Ved hjælp af Excel regneark kan man nemt tegne grafer. Man åbner for regnearket ligger under Microsoft Office. Så indtaster man tallene fra tabellen i regnearkets celler i en vandret
Læs mereNote om Monte Carlo metoden
Note om Monte Carlo metoden Kasper K. Berthelsen Version 1.2 25. marts 2014 1 Introduktion Betegnelsen Monte Carlo dækker over en lang række metoder. Fælles for disse metoder er, at de anvendes til at
Læs mereMatematik, maskiner og metadata
MATEMATIK, MASKINER OG METADATA VEJE TIL VIDEN Matematik, maskiner og metadata af CHRISTIAN BOESGAARD DATALOG IT Development / DBC 1 Konkrete projekter med machine learning, hvor computersystemer lærer
Læs mereUndervisningsbeskrivelse
Undervisningsbeskrivelse Stamoplysninger til brug ved prøver til gymnasiale uddannelser Termin Maj/juni 2015 Institution VestegnenHFVUC Rødovre-afdeling Uddannelse Fag og niveau Lærer(e) Hold HF Enkeltfag
Læs mereSkriftlig Eksamen Algoritmer og Datastrukturer (dads)
Skriftlig Eksamen Algoritmer og Datastrukturer (dads) Datalogisk Institut Aarhus Universitet Tirsdag den 27. maj 2003, kl. 9.00 3.00 Opgave (25%) For konstanten π = 3.4592... gælder identiteten π 2 6 =
Læs mereBevisteknikker. Bevisteknikker (relevant både ved design og verifikation) Matematisk induktion. Matematisk induktion uformel beskrivelse
Bevisteknikker Bevisteknikker (relevant både ved design og verifikation) Bevisførelse ved modstrid (indirekte bevis) Antag, at det givne teorem er falsk Konkluder, at dette vil føre til en modstrid Teorem:
Læs mereSkriftlig Eksamen Algoritmer og Sandsynlighed (DM538)
Skriftlig Eksamen Algoritmer og Sandsynlighed (DM538) Institut for Matematik og Datalogi Syddansk Universitet, Odense Fredag den 25. januar 2013 kl. 1013 Alle hjælpemidler (computer, lærebøger, notater,
Læs mereABCD- E-Learning UDVIKLING
ABCD- E-Learning 2018 Prolearning ApS ABCD- E-Learning Når du skal udvikle e-læring bliver dine evner for alvor udfordret: Redigering af billeder, tegning af interaktive figurer, lyd- og videoredigering
Læs mereMatema10k. Matematik for hhx C-niveau. Arbejdsark til kapitlerne i bogen
Matema10k Matematik for hhx C-niveau Arbejdsark til kapitlerne i bogen De følgende sider er arbejdsark og opgaver som kan bruges som introduktion til mange af bogens kapitler og underemner. De kan bruges
Læs mereHvor var det nu vi kom fra?
Hvor var det nu vi kom fra? Korte møder: Sidste gang arbejdede vi med den professionelle samtale samtalens faser og spørgeteknik. Hvilke refleksioner har det givet dig efterfølgende? Har du anvendt nogen
Læs mereForskningsmiljøer på KU inden for sundheds-it
Forskningsmiljøer på KU inden for sundheds-it Finn Kensing Center for IT Innovation Dias 1 Udfordringer for sundhedsvæsenet: Det aldrende samfund Flere (multi) kronikere Der er bl.a. behov for: Bedre koordinering
Læs mereIndhold. Lærervejledning
Indhold Indledning... 2 CFU og kodning i undervisningen... 2 Læringsmål og programmeringsmål... 2 Tegn på læring... 3 Programmet Scratch... 4 Hjemmesiden... 4 PC eller ipad?... 5 Inden I går i gang...
Læs mereKvaN-konference. undervisningsdifferentiering
KvaN-konference It og undervisningsdifferentiering Lektor, ph.d. Jeppe Bundsgaard Institut for Uddannelse og Pædagogik (DPU)/Aarhus Universitet Slides på www.jeppe.bundsgaard.net Er det differentiering?
Læs mereDanmarks Tekniske Universitet
side af 3 sider anmarks Tekniske Universitet Skriftlig prøve, den 29. maj 203. ursusnavn: lgoritmer og datastrukturer ursus nr. 02326. jælpemidler: Skriftlige hjælpemidler. et er ikke tilladt at medbringe
Læs mereAndreas Lauge V. Hansen klasse 3.3t Roskilde HTX
IT -Eksamen Andreas Lauge V. Hansen klasse 3.3t Roskilde HTX [Vælg en dato] Indhold Indledning... 2 Teori... 3 Hvorfor dette design... 4 Produktet... 4 Test og afprøvning... 9 Konklusion... 10 Indledning
Læs mereDanmarks Tekniske Universitet
ksamen 06, side af sider anmarks Tekniske Universitet Skriftlig prøve, den 6. maj 0. ursusnavn: lgoritmer og datastrukturer ursus nr. 06. Tilladte hjælpemidler: Skriftlige hjælpemidler. Varighed: timer
Læs mereLær Python - Dag 4, modul 2 Objektorienteret programmering
Lær Python - Dag 4, modul 2 Objektorienteret programmering Simon J. Larsen 28. oktober 2017 Institut for Matematik og Datalogi Metoder Metoder Indtil videre har vi kun brugt objekter til at gemme værdier.
Læs mereYngre Talenters forårsprogram Akademiet for Talentfulde Unge Øst
Yngre Talenters forårsprogram 2019 Akademiet for Talentfulde Unge Øst Indholdsfortegnelse Programoversigt s. 3 Hvad er det gode samfund? s. 4 Frit fald! s. 5 Hvad gør vi med klimaet? s. 6 2 Velkommen til
Læs mereAlgebra med CAS i folkeskolen
Algebra med CAS i folkeskolen Introduktion Eksempler: Eksempel 1 Hvad er en ligning? Eksempel 2 KenKen med CAS, Eksempel 3 Parenteser og sliders Eksempel 4 Mere end x og konstanter Værktøjer: Introduktion,
Læs mereIntroduktion til EXCEL med øvelser
Side 1 af 10 Introduktion til EXCEL med øvelser Du kender en almindelig regnemaskine, som kan være til stort hjælp, når man skal beregne resultater med store tal. Et regneark er en anden form for regnemaskine,
Læs mereHVAD STÅR DER I DE NYE FÆLLES MÅL OM DEN MATEMATISKE KOMPETENCE, KOMMUNIKATION? KØBENHAVN 29. SEPTEMBER 2015
HVAD STÅR DER I DE NYE FÆLLES MÅL OM DEN MATEMATISKE KOMPETENCE, KOMMUNIKATION? KØBENHAVN 29. SEPTEMBER 2015 BINDENDE/VEJLEDENDE BINDENDE MÅL OG TEKSTER: FAGETS FORMÅL KOMPETENCEMÅL (12 STK.) FÆRDIGHEDS-
Læs mereDokumentation af programmering i Python 2.75
Dokumentation af programmering i Python 2.75 Af: Alexander Bergendorff Jeg vil i dette dokument, dokumentere det arbejde jeg har lavet i løbet opstarts forløbet i Programmering C. Jeg vil forsøge, så vidt
Læs mereUndervisningsbeskrivelse
Undervisningsbeskrivelse Stamoplysninger til brug ved prøver til gymnasiale uddannelser Termin Institution Uddannelse Fag og niveau Lærer(e) Hold Termin hvori undervisningen afsluttes: maj-juni 2017 Marie
Læs mereSkriftlig Eksamen Algoritmer og Datastrukturer (dads)
Skriftlig Eksamen Algoritmer og Datastrukturer (dads) Datalogisk Institut Aarhus Universitet Onsdag den. august 200, kl. 9.00.00 Opgave (25%) Lad A = A[] A[n] være et array af heltal. Længden af det længste
Læs mereIntroduktion. Philip Bille
Introduktion Philip Bille Plan Algoritmer og datastrukturer Toppunkter Algoritme 1 Algoritme 2 Algoritme 3 Algoritmer og datastrukturer Hvad er det? Algoritmisk problem: præcist defineret relation mellem
Læs mereProgrammering og Problemløsning, 2017
Programmering og Problemløsning, 2017 Typer og Mønstergenkendelse Martin Elsman Datalogisk Institut Københavns Universitet DIKU 23. Oktober, 2017 Martin Elsman (DIKU) Programmering og Problemløsning, 2017
Læs mereRolf Fagerberg. Forår 2013
Forår 2013 Mål for i dag Dagens program: 1 2 3 4 5 6 Forudsætninger: DM536 og DM537 Timer: 50% forelæsninger, 50% øvelser Forudsætninger: DM536 og DM537 Eksamenform: Skriftlig eksamen: Timer: 50% forelæsninger,
Læs mereI det daglige arbejde vil vi drøfte matematiske begreber og lave opgaver i plenum, i grupper og individuelt.
2017-18 Lærer: Jannie Dohn Forord til matematik i 6. Klasse I det daglige arbejde vil vi drøfte matematiske begreber og lave opgaver i plenum, i grupper og individuelt. Vi arbejder med Matematrix for sjette
Læs mereLineær og logistisk regression
Faculty of Health Sciences Lineær og logistisk regression Susanne Rosthøj Biostatistisk Afdeling Institut for Folkesundhedsvidenskab Københavns Universitet sr@biostat.ku.dk Dagens program Lineær regression
Læs mereDanmarks Tekniske Universitet
side af sider Danmarks Tekniske Universitet Skriftlig prøve, den 6. maj 0. Kursusnavn: Algoritmer og datastrukturer Kursus nr. 06. Tilladte hjælpemidler: Skriftlige hjælpemidler. Varighed: timer Vægtning
Læs mereProgrammering I Java/C#
Programmering I Java/C# Dit første projekt Datatekniker Intro to C# C# (C Sharp) Et enkelt, moderne, generelt anvendeligt, objektorienteret programmeringssprog Udviklet af Microsoft, ledet af danskeren
Læs mereUndervisningsbeskrivelse
Undervisningsbeskrivelse Stamoplysninger til brug ved prøver til gymnasiale uddannelser Termin Institution Uddannelse Fag og niveau Lærer(e) Hold Termin hvori undervisningen afsluttes: maj-juni, 14/15
Læs mereMotivation Factor Job & Education den 23. 24. 25. september 2014
Motivation Factor Job & Education den 23. 24. 25. september 2014 Bliv uddannet i Motivation Factor Job & Education og få viden og metoder, der hjælper mennesker til at komme i mål med et job eller en uddannelse
Læs mere"# $%$ " # $ % $ $ " & ( ) *+!,! Sum_Cost >= 5000SirName = Beltov Continue = %!- + ( ( - True) Continue *! If Antal <= 20 Then EnhedsOmk = 1.
"# $$ " # $ && & ' $ $ " & ) *+, Sum_Cost >= 5000SirName = Beltov Continue = True) Continue *, + If Antal
Læs mereIngeniørernes kompetencer og læring- et kig ud
Ingeniørernes kompetencer og læring- et kig ud Hanne Shapiro Teknologisk Institut Email: hsh@teknologisk.dk Om oplægget Et kig ud! Udviklingstrends, der påvirker job og kompetencekrav Ingeniøren 2025-
Læs mereRolf Fagerberg. Forår 2015
Forår 2015 Dagens program 1 2 3 4 5 Underviser:, IMADA Forskningsområde: algoritmer og datastrukturer Deltagere: BA i Datalogi BA i Software Engineering BA i Matematik-Økonomi BA i Anvendt Matematik BA
Læs mereÅrsplan i matematik for 7. klasse 2018/2019
Årsplan i matematik for 7. klasse 2018/2019 Undervisningen generelt: Undervisningen tilrettelægges ud fra de nye forenklede fællesmål. Undervisning bygges primært op ud fra emnerne i FAKTOR, Sigma 7 samt
Læs mereSortering. Eksempel: De n tal i sorteret orden
Sortering 1 / 32 Sortering Input: Output: Eksempel: n tal De n tal i sorteret orden 6, 2, 9, 4, 5, 1, 4, 3 1, 2, 3, 4, 4, 5, 9 2 / 32 Sortering Input: Output: Eksempel: n tal De n tal i sorteret orden
Læs mereForbedringsmodellen for nye deltagere. Bodil Elgaard Andersen Arjen Stoop ISH LS4 8. Oktober 2018, kl
Forbedringsmodellen for nye deltagere Bodil Elgaard Andersen Arjen Stoop ISH LS4 8. Oktober 2018, kl. 13.00 14.30 Hvem er vi? Bodil Elgaard Andersen konsulent, DSFP bea@patientsikkerhed.dk Arjen Peter
Læs mereProgrammering og Problemløsning, 2017
Programmering og Problemløsning, 2017 Rekursion Towers of Hanoi og Liniegrafik Martin Elsman Datalogisk Institut Københavns Universitet DIKU 13. Oktober, 2017 Martin Elsman (DIKU) Programmering og Problemløsning,
Læs mereMålet for disse slides er at beskrive nogle algoritmer og datastrukturer relateret til at gemme og hente data effektivt.
Merging og hashing Mål Målet for disse slides er at beskrive nogle algoritmer og datastrukturer relateret til at gemme og hente data effektivt. Dette emne er et uddrag af kurset DM507 Algoritmer og datastrukturer
Læs mereIntroduktion. Introduktion. Algoritmer og datastrukturer. Eksempel: Maksimalt tal
Philip Bille Algoritmer og datastrukturer Algoritmisk problem. Præcist defineret relation mellem input og output. Algoritme. Metode til at løse et algoritmisk problem. Beskrevet i diskrete og entydige
Læs mereDiskutér to og to. 1. Hvorfor bruger vi data i forbedringsarbejdet? 2. Hvornår bruger vi data i forbedringsarbejdet?
Data vi lærer af Diskutér to og to 1. Hvorfor bruger vi data i forbedringsarbejdet? 2. Hvornår bruger vi data i forbedringsarbejdet? Hvorfor har vi så stor fokus på data? Fordi data brugt rigtigt kan understøtte
Læs mereIntroduktion. Algoritmer og datastrukturer Toppunkter Algoritme 1 Algoritme 2 Algoritme 3. Philip Bille
Introduktion Algoritmer og datastrukturer Toppunkter Algoritme 1 Algoritme 2 Algoritme 3 Philip Bille Introduktion Algoritmer og datastrukturer Toppunkter Algoritme 1 Algoritme 2 Algoritme 3 Algoritmer
Læs mereSortering af information er en fundamental og central opgave.
Sortering Sortering Input: Output: Eksempel: n tal De n tal i sorteret orden 6, 2, 9, 4, 5, 1, 4, 3 1, 2, 3, 4, 4, 5, 9 Mange opgaver er hurtigere i sorteret information (tænk på ordbøger, telefonbøger,
Læs mereSortering. Eksempel: De n tal i sorteret orden
Sortering 1 / 34 Sortering Input: Output: Eksempel: n tal De n tal i sorteret orden 6, 2, 9, 4, 5, 1, 4, 3 1, 2, 3, 4, 4, 5, 9 2 / 34 Sortering Input: Output: Eksempel: n tal De n tal i sorteret orden
Læs mereComputerspil rapport. Kommunikation og IT. HTX Roskilde klasse 1.4. Casper, Mathias Nakayama, Anders, Lasse og Mads BC. Lærer - Karl Bjarnason
Computerspil rapport Kommunikation og IT HTX Roskilde klasse 1.4 Casper, Mathias Nakayama, Anders, Lasse og Mads BC Lærer - Karl Bjarnason Indledning Vi har lavet et computerspil i Python som er et quiz-spil
Læs mereSikre Beregninger. Kryptologi ved Datalogisk Institut, Aarhus Universitet
Sikre Beregninger Kryptologi ved Datalogisk Institut, Aarhus Universitet 1 Introduktion I denne note skal vi kigge på hvordan man kan regne på data med maksimal sikkerhed, dvs. uden at kigge på de tal
Læs mereHer vil jeg gerne være Det er sådan dine kunder skal tænke
Her vil jeg gerne være Det er sådan dine kunder skal tænke I denne gennemgang lægger vi vægt på hjemmesidens opbygning. For at få det optimale udbytte af en hjemmeside skal mange elementer spille sammen.
Læs mereUndervisningsbeskrivelse
Undervisningsbeskrivelse Stamoplysninger til brug ved prøver til gymnasiale uddannelser Termin Institution Uddannelse Fag og niveau Lærer(e) Hold Termin hvori undervisningen afsluttes: Maj-juni 14/15 Hf
Læs mereIntroduktion til DM507
Introduktion til DM507 Rolf Fagerberg Forår 2017 1 / 20 Hvem er vi? Underviser: Rolf Fagerberg, IMADA Forskningsområde: algoritmer og datastrukturer 2 / 20 Hvem er vi? Underviser: Rolf Fagerberg, IMADA
Læs mereLæreplan Mat 3. Uge Forløb: Areal og koordinatsystem
LÆRINGS MÅL LEVEL 1 LEVEL 2 LEVEL 3 Areal: Det er længe siden, vi har berørt området, og eleverne har derfor brug for en grundig genopfriskning af arealets størrelse/betydning. Eleverne har kort tid forinden
Læs mereÅrsplan i matematik for 7. klasse 2019/2020
Årsplan i matematik for 7. klasse 2019/2020 Undervisningen generelt: Undervisningen tilrettelægges ud fra de nye forenklede fællesmål. Undervisning bygges primært op ud fra emnerne i FAKTOR, Sigma 7 samt
Læs mereIndholdsfortegnelse. Indledning...2. Tidsplan...2. Målgruppe...3. Spørgeskema...3. Kode eksempler...5. Procesbeskrivelse...7. Evaluering...
1 Indholdsfortegnelse Indledning...2 Tidsplan...2 Målgruppe...3 Spørgeskema...3 Kode eksempler...5 Procesbeskrivelse...7 Evaluering...8 Bilag - Spørgeskema...9 Indledning - Jeg har som skoleprojekt fået
Læs mereSkriftlig Eksamen DM507 Algoritmer og Datastrukturer
Skriftlig Eksamen DM507 Algoritmer og Datastrukturer Institut for Matematik og Datalogi Syddansk Universitet, Odense Mandag den 6. juni 2016, kl. 15:00 19:00 Besvarelsen skal afleveres elektronisk. Se
Læs mereDanmarks Tekniske Universitet
Eksamen 02105, F14 side 1 af 14 Danmarks Tekniske Universitet Skriftlig prøve, den 22. maj 2014. Kursusnavn: Algoritmer og datastrukturer 1 Kursusnummer: 02105 Hjælpemidler: Skriftlige hjælpemidler. Det
Læs mereForbedringsmodellen - Kom godt i gang med afprøvninger
Forbedringsmodellen - Kom godt i gang med afprøvninger Josefine Krøyer Projektleder i Sikker Psykiatri, Region Sjælland Rikke vb Hollesen, Improvement Advisor, Dansk Selskab for Patientsikkerhed Læringsmål
Læs mere6. KLASSE UNDERVISNINGSPLAN MATEMATIK
2016-17 Lærer: Sussi Sønnichsen Forord til matematik i 6. Klasse Vi skal arbejde hen imod følgende kompetencemål: Matematiske kompetencer: Eleven kan handle med overblik i sammensatte situationer med matematik.
Læs mereBedste rette linje ved mindste kvadraters metode
1/9 Bedste rette linje ved mindste kvadraters metode - fra www.borgeleo.dk Figur 1: Tre datapunkter og den bedste rette linje bestemt af A, B og C Målepunkter og bedste rette linje I ovenstående koordinatsystem
Læs mereUndervisningsbeskrivelse
Undervisningsbeskrivelse Stamoplysninger til brug ved prøver til gymnasiale uddannelser Termin Institution Uddannelse Fag og niveau Lærer(e) Hold Termin hvori undervisningen afsluttes: Januar 2009 HTX
Læs mereAnvendelse af matematik til konkrete beregninger
Anvendelse af matematik til konkrete beregninger ved J.B. Sand, Datalogisk Institut, KU Praktisk/teoretisk PROBLEM BEREGNINGSPROBLEM og INDDATA LØSNINGSMETODE EVT. LØSNING REGNEMASKINE Når man vil regne
Læs mere