Detail předmětu

Theoretical Informatics

FEKT-GTINAk. rok: 2019/2020

Objektově orientovaný návrh. Abstraktní datové typy, orientované a neorientované grafy, způsoby reprezentace grafu. Deterministické a nedeterministické automaty. Datové struktury a objekty. Kostra grafu, hledání cesty v grafu. Strojové učení. Paralelní, sekvenční a náhodné algoritmy. Distribuované algoritmy. Optimalizace, genetické algoritmy.

Jazyk výuky

angličtina

Počet kreditů

5

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.

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

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 algorithms 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.

Učební cíle

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.

Základní literatura

LEUWEN, J., WATANABE, O., HAGIYA, M. Exploring New Frontiers of Theoretical Informatics. Springer, 2000. (EN)
GOODRICH, T.M., TAMASSIA, R. Data Structures and Algorithms in Java. 2000. (EN)
BATTISTA, G., TOLLIS, I. Graph Drawing: Algorithms for the Visualization of Graphs. Prentice Hall, 1998. (EN)

eLearning

Zařazení předmětu ve studijních plánech

  • Program TECO-G magisterský navazující

    obor G-TEC , 1. ročník, zimní semestr, volitelný oborový
    obor G-TEC , 2. ročník, zimní semestr, volitelný oborový

Typ (způsob) výuky

 

Přednáška

26 hod., nepovinná

Vyučující / Lektor

Osnova

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 programování.
13. Vícevláknové výpočty, paralelizace.

Cvičení na počítači

26 hod., povinná

Vyučující / Lektor

Osnova

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.

eLearning