Programplaner og emneplaner - Student
MAMO2200 Advanced modeling and computing Course description
- Course name in Norwegian
- Avansert modellering og beregninger
- Study programme
-
Bachelor's Degree Programme in Mathematical Modelling and Data Science
- Weight
- 10.0 ECTS
- Year of study
- 2024/2025
- Curriculum
-
SPRING 2025
- Schedule
- Programme description
- Course history
-
Introduction
Emnet tar for seg approksimasjoner og numeriske beregningsmetoder som er sentrale når vi analyserer, beregner og simulerer matematiske modeller. Studentene skal gjennom implementering på datamaskin lære å utføre systematiske numeriske eksperimenter. Eksempler og oppgaver hentes fra naturvitenskap, ingeniørfag og økonomi. Temaene som tas opp skal forberede og motivere studentene til videre studier innen anvendt og beregningsorientert matematikk.
Recommended preliminary courses
Emnet bygger på
- MAMO1100 Innføring i modeller og beregninger
- DAFE1000 matematikk 1000
- DAPE2000 matematikk 2000 med statistikk
Required preliminary courses
Ingen ut over opptakskrav.
Learning outcomes
Etter å ha gjennomført dette emnet har studenten følgende læringsutbytte, definert i kunnskap, ferdigheter og generell kompetanse.
Kunnskap
Studenten kan:
- gjøre rede for metoder for numerisk løsning av ikke-lineære algebraiske ligninger
- gjøre rede for hvordan og i hvilke tilfeller funksjoner kan approksimeres med polynomer og trigonometriske funksjoner
- gjøre rede for standardmetoder og bruk av stokastiske simuleringer for estimering av bestemte integraler
- gjøre rede for grunnleggende egenskaper til stokastiske prosesser og Markov-kjede-modeller
- gjøre rede for noen metoder for numerisk løsning av startverdiproblemer
- gjøre rede for hvordan de numeriske metodene kan implementeres i Python
Ferdigheter
Studenten kan:
- bruke og implementere metoder for numerisk løsning av ligninger, samt analysere avvik
- bruke og implementere metoder for numerisk integrasjon
- approksimere funksjoner ved bruk av Taylor-polynomer for å analysere avvik i numeriske integratorer
- bruke og implementere metoder for numerisk løsning av startverdiproblemer
- bruke og implementere Markov-kjede-modeller
- implementere numeriske metoder ved hjelp av Python-programmering
Generell kompetanse
Studenten kan:
- lese og forstå tekster og delta i diskusjoner som omhandler modellering, beregning og implementering, vurdere nøyaktigheten til numeriske estimater og velge passende parametere slik at estimatene blir nøyaktige nok
- tolke og vurdere resultater av numeriske beregninger
- vurdere hvilke algoritmer som skal brukes i ulike tilfeller
Teaching and learning methods
Forelesninger og regneøvinger med utstrakt bruk av programvare og koding på datamaskin. Øvingene kombinerer bruk av blyant og papir og regneverktøy på datamaskiner under veiledning av faglærer og/eller studentassistent.
Course requirements
Følgende arbeidskrav må være godkjent for å framstille seg til vurdering/eksamen:
To av tre gruppeoppgaver hvor
- hver gruppe skal bestå av to til fem studenter.
- hver gruppeoppgave leveres som en rapport på 8-15 sider
- hver oppgave kan leveres på nytt én gang dersom den ikke blir godkjent.
Formålet med arbeidskravet er for studentene å få praktisk erfaring med prosjektarbeid og kombinerer flere av læringsutbyttene i arbeidet.
Assessment
Individuell muntlig eksamen på 30 minutter som består av en studentledet presentasjon på ca. 20 minutter med påfølgende spørsmål.
Eksamensresultat kan ikke påklages.
Ved ny eller utsatt eksamen kan en annen eksamensform bli benyttet
Permitted exam materials and equipment
Alle hjelpemidler er tillatt så lenge regler for kildehenvisning følges.
Grading scale
Gradert skala A-F.
Examiners
To interne sensorer. Ekstern sensor brukes jevnlig.