DM840: Algoritmer i kemoinformatik (10 ECTS)
STADS: 15018101
Niveau
Kandidatkursus forhåndsgodkendt som PhD-kursus
Undervisningsperiode
Kurset afholdes to gange om året, én gang i efteråret og én gang i foråret.
Ansvarlige undervisere
Email: daniel@imada.sdu.dk
Skemaoplysninger
Hold |
Type |
Dag |
Tidsrum |
Lokale |
Uger |
Kommentar |
Fælles |
I |
Mandag |
14-16 |
IMADA semi |
11,13,18,20,22 |
|
Fælles |
I |
Tirsdag |
10-12 |
IMADA semi |
6,8,10,12,14,17,19,21 |
|
Fælles |
I |
Onsdag |
08-10 |
IMADA semi |
6-10,12,16-17,19,21 |
|
Fælles |
I |
Onsdag |
08-10 |
U17 |
14 |
|
H1 |
TE |
Mandag |
15-17 |
IMADA semi |
6,8 |
|
H1 |
TE |
Mandag |
14-16 |
IMADA semi |
10,12,14,17,19,21 |
|
H1 |
TE |
Tirsdag |
10-12 |
IMADA semi |
7,9,11,13,16,18,20,22 |
|
Vis hele skemaet
Vis personligt skema for dette kursus.
Kommentar:
Ubegrænset deltagerantal.
Indgangskrav:
Bestået bachelorgrad i datalogi, fysik, matematik, anvendt matematik, matematik-økonomi eller tilsvarende.
Faglige forudsætninger:
Studerende, der følger kurset, forventes at:
- kunne designe og implementere programmer, ved hjælp af standard algoritmiske tilgange og datastrukturer
- kunne vurdere kompleksitet af algoritmer, såvel med hensyn til køretid som med hensyn til pladsforbrug.
FormålFormålet med dette kursus er at sætte den studerende i stand til at løse en bred vifte af ikke-trivielle diskrete beregningsmæssige problemer inden for datalogi ved at anvende avancerede algoritmiske ideer, grafteoretiske tilgange, viden fra beslægtede områder af diskret matematik og kompleksitetsteori på problemer motiveret fra eller opstået i kemi. Kurset giver et videnskabeligt grundlag for at skrive et speciale, der har til formål at anvende kernedatalogiske tilgange til relevante spørgsmål i kemi, biologi, fysik eller matematik.
I forhold til uddannelsens kompetenceprofil har kurset eksplicit fokus på at:
- Give viden om et udvalg af specialiserede modeller og metoder udviklet inden for datalogi baseret på højeste internationale forskning, herunder emner fra fagets forskningsfront.
- Give viden om datalogiske modeller og metoder beregnet til anvendelser i andre faglige områder.
- Beskrive, analysere og løse avancerede datalogiske problemstillinger ved hjælp af de lærte modeller.
- Belyse fremsatte hypoteser på kvalificeret teoretisk baggrund og forholde sig kritisk til egne og andres forskningsresultater og videnskabelige modeller.
- Udvikle nye varianter af de lærte metoder, hvor det konkrete problem kræver det.
- Formidle forskningsbaseret viden og diskutere professionelle og videnskabelige problemstillinger med både fagfæller og ikke-specialister.
- Planlægge og udføre videnskabelige projekter på højt fagligt niveau herunder styre arbejds- og udviklingssituationer, der er komplekse, uforudsigelige og forudsætter nye løsningsmodeller.
- Kunne tage ansvar for egen faglig udvikling og specialisering.
- Kunne igangsætte og gennemføre fagligt og tværfagligt samarbejde og påtage sig professionelt ansvar.
MålbeskrivelseFor at opnå kursets formål er det læringsmålet for kurset, at den studerende demonstrerer evnen til at:
- I klart og præcist sprog beskrive de teknikker og algoritmer som er gennemgået i kurset.
- Analysere de parallelle algoritmer og arkitekturer som er gennemgået i kurset med hensyn til både effektivitet og skalerbarhed.
- Anvende parallelle programmeringsteknikker og algoritmer som er gennemgået i kurset til implementering af eksempelprogrammer.
- Foretage empiriske målinger af parallelle programmer og uddrage relevante konklusioner heraf.
IndholdKurset indeholder følgende faglige hovedområder:
- repræsentation af molekylære strukturer
- struktur-deskriptorer
- graf-isomorfi og graf-kanonisering
- kombinatoriske strukturer
- Pólyas tælleteori
- kunstige kemier (artificial chemistries)
- graf-grammatikker
- støkiometriske modeller
- metaboliske netværk og stofskifteveje
- flux balance analyse
- organisationsteori
- Petri nets
LitteraturMeddeles ved kursets start.
Kursets hjemmeside
Dette kursus benytter
e-learn (blackboard).
Forudsætningsprøver
- Obligatoriske opgaver. Forudsætningsprøven er en forudsætning for deltagelse i eksamenselement a). Bedømmes bestået/ikke-bestået, intern censur ved underviser. (15018112).
Eksamen- og censurform:
- Mundtlig eksamen. (10 ECTS). Bedømmes efter 7-trinsskalaen, ekstern censur. (15018102).
Vejledende timetal
På naturvidenskab er undervisningen tilrettelagt efter trefasemodellen dvs. intro, trænings- og studiefasen.
Introfase: 42 timer
Træningsfase: 28 timer, heraf:
- Eksaminatorie: 28 timer
Aktiviteter i studiefasen
- Anvendelse af det tilegnede viden I projekter
- Sammenfatning af videnskabelige artikler/bogkapitler
UndervisningsformI introfasen introduceres og perspektiveres begreber, teorier og modeller. I træningsfasen træner de studerende færdigheder og trænger dybere ned i det stof.
I studiefasen får de studerende faglige, personlige og sociale erfaringer, der sætter dem i stand til at befæste og videreudvikle deres videnskabelige kompetencer. Der er fokus på fordybelse, forståelse og udvikling af samarbejdskompetencer.
Sprog
Dette kursus undervises på dansk eller engelsk, afhængigt af underviseren. Dog altid på Engelsk ved deltagelse af internationale studerende.
Kursustilmelding
Se tilmeldingsfrister.
Pris for åben uddannelse
Se priser for enkeltkurser.
Denne kursusbeskrivelse var gyldig fra 1. februar 2017 til 31. august 2018.