Programplaner og emneplaner - Student
DATS2300 Algorithms and Data Structures Course description
- Course name in Norwegian
- Algoritmer og datastrukturer
- Study programme
-
Bachelor in Applied Computer TechnologyBachelor's Degree Programme in Software EngineeringBachelor's Degree Programme in Mathematical Modelling and Data ScienceBachelor's Degree Programme in Information Technology
- Weight
- 10.0 ECTS
- Year of study
- 2022/2023
- Curriculum
-
FALL 2022
- Schedule
- Programme description
- Course history
-
Introduction
Etter fullført emne har studenten følgende læringsutbytte definert som kunnskap, ferdigheter og generell
kompetanse:
Kunnskap
Studenten
- har avansert kunnskap i kroppsøving og kroppsøvingsdidaktikk om elevers læring
- har inngående kunnskap om sentrale teoretiske perspektiv som omhandler kropp, bevegelse, fysisk aktivitet og læring
- har inngående kunnskap tilpasset opplæring og inkludering i kroppsøving
Ferdigheter
Studenten
- kan analysere og forholde seg kritisk til nasjonal og internasjonal forskning på kropp, bevegelse, fysisk aktivitet og læring
- kan analysere faglige problemstillinger basert på kunnskap om kroppsøvingsfagets egenart, verdigrunnlag og historie og bruke slik innsikt i planlegging av undervisning, forskings- og utviklingsarbeid
- kan kritisk anvende forskningsbasert profesjonsretta kunnskap i kroppsøvingsfaget som grunnlag for utforsking av nye problemområder
- kan planlegge og gjennomføre undervisning i kroppsøvingsfaget basert på vitenskapelige tenkemåter
- kan analysere og drøfte forholdet mellom identitet, bevegelse, fysisk aktivitet og læring
Generell kompetanse
Studenten
- kan på et avansert nivå formidle og kommunisere om faglige problemstillinger knyttet til profesjonsutøvelsen
- kan analysere og vurdere relevante faglige og etiske problemstillinger i tilknytning til kropp, bevegelse, fysisk aktivitet og læring, og bidra til utvikling av faglig fellesskap på den enkelte skole
- kan bidra til utviklingsarbeid som fremmer faglig og pedagogisk nytenkning i skolen
- kan reflektere kritisk over hvilken rolle bevegelse, fysisk aktivitet og kropp har i et samfunn preget av mangfold
Recommended preliminary courses
Passed the course SYKP/SYKP1060 Evidence-Based Practice (EBP) in Health Care.
Required preliminary courses
No requirements over and above the admission requirements.
Learning outcomes
After completing the course, the student is expected to have achieved the following learning outcomes defined in terms of knowledge, skills and competence:
Knowledge
The student is capable of:
- explaining the structure and purpose of data structures such as tables, lists, stacks, different types of queues, heaps, hash tables, different types of trees, graphs and files
- explaining the function and efficiency of different variants of algorithms for counting, entering, searching for, deleting, traversing, sorting, optimising and compressing data
Skills
The student is capable of:
- analysing, designing, and implementing data structures, and evaluate which data structures are suited for specific tasks
- analysing, designing, implementing and using the algorithms required to solve specific tasks
- using both self-developed and standardised algorithms and data structures to solve complex and complicated problems
General competence
The student is capable of:
- participating in discussions and providing advice on what data structures and algorithms are most expedient in different situations
- communicating the importance and necessity of using good structures and efficient algorithms in programming projects
Teaching and learning methods
Det benyttes to interne sensorer. En tilsynssensor er tilknyttet emnet, i henhold til retningslinjer for
oppnevning og bruk av sensorer ved OsloMet.
Course requirements
Etter å ha gjennomført dette emnet har studenten følgande læringsutbytte, definert som kunnskap, ferdigheiter og generell kompetanse:
Kunnskap
Studenten
- kan gjere greie for hovudtrekka i den historiske utviklinga av kvantefysikken.
- har ei viss forståing for at materie må oppfattast som både bølger og partiklar.
- kjenner til fenomen som er spesifikke for kvanteverda - som ikkje har nokon parallellar i den verda vi ser til dagleg.
- veit korleis visse enkle algoritmar for kvanteinformasjonsbehandling fungerar.
Ferdigheiter
Studenten
- kan vise til eksempel på korleis kvantefenomen som tunnellering, kvantisering og samanfiltring kan utnyttast teknologisk.
- kjenner til hovudforskjellane mellom korleis ei vanleg, klassisk datamaskin og ei kvantedatamskin fungerar.
- er i stand til å sette opp og køyre enkle kvante-program - anten på simulatorar eller på faktiske kvantedatamskinar.
Generell kompetanse
Studenten
- beherskar - til ei viss grad - begrepsapparatet knytt til kvantefysikk og -teknologi.
- kan bidra konstruktivt i faglege samtalar som har med kvanteteknologi å gjere.
- evnar å diskutere og problematisere aspekt ved tolkinga av kvantefysikken.
Assessment
Undervisinga vil bli lagt opp som klasseromsundervising - på dagtid. Det vil vere snakk om økter på tre timar, éin gong i veka gjennom omtrent to månader.
Deltakarane vil bli kjend med stoffet gjennom ulike tilnærmingar:
- Presentasjon av stoff
- Praktiske demonstrasjonar av enkle kvante- og bølgefenomen
- Tilrettelagte simuleringar
- Køyring av eigne, små program på faktiske kvantedatamaskinar
- Gjesteførelesingar
- Diskusjonar og samtalar
Vi vil legge til rette for høg grad av student-deltaking ved undervisinga. Det vil bli rikeleg med rom for å stille spørsmål, komme med undring og diskutere ulike, til dels ikkje-intuitive, aspekt ved kvantefysikk og -teknologi.
Det vil i liten grad bli lagt opp til eige arbeid mellom undervisingsøktene - ut over det å lese relevant litteratur.
Permitted exam materials and equipment
Emnet bygger på emnet MEK1000 Matematikk 1000.
Grading scale
Pass/fail.
Examiners
Two examiners assess the examination papers. At least 10% of the examination papers will be assessed by an external examiner. The external examiner’s assessment shall benefit all students.
Overlapping courses
SYKK2000 and SYKP2000 overlap 100 %.