KIUA1007 Parallelle og sekvensielle datastrukturer og algoritmer

    • Studiepoeng
      10
    • Undervisningssemestre
      2025 Høst
    • Undervisningsspråk
      Norsk/Engelsk
    • Undervisningssted
      Hamar
    • Forkunnskapskrav

      Ingen.

Emnets innhold

Emnet gir kompetanse i datastrukturer og algoritmer for både sekvensielle og parallelle datamiljøer. Studentene vil undersøke de grunnleggende konseptene, designprinsippene og den praktiske implementeringen av datastrukturer og algoritmer som er avgjørende for utvikling av kunstig intelligens og applikasjoner. Studentene skal velge, implementere og optimalisere datastrukturer og algoritmer inkludert arrays, lenkede lister, “trees”, grafer, hash-tabeller, søkealgoritmer, sorteringsalgoritmer og grafalgoritmer, reflektere over deres KI-utviklingspraksis og holde seg oppdatert i bransjen. Studentene skal samarbeide i team, løse kompleks KI-problematikk og presentere sine funn. Emnet fremmer også evnen til å planlegge og utføre KI-prosjekter selvstendig eller som del av et team, oppmuntrer til kunnskapsutveksling i KI-fellesskapet, og fremmer innovativ tenkning innen KI-utvikling og -applikasjoner.

Læringsutbytte

Ved bestått emne har studenten oppnådd følgende læringsutbytte:

Kunnskap

Studenten har

  • god forståelse for ulike datastrukturer og algoritmer
  • kunnskap om parallelle databehandlingskonsepter, inkludert ulike parallellitetsmodeller som delt minne og distribuert minne, synkroniseringsmekanismer og kommunikasjonsteknikker i parallell databehandling
  • kunnskap om parallelle datastrukturer og algoritmer
Ferdigheter

Studenten kan

  • implementere sekvensielle datastrukturer og algoritmer ved bruk av programmeringsspråk for å kunne designe og implementere effektive datastrukturer og algoritmer for spesifikke oppgaver
  • parallellisere sekvensielle algoritmer og implementere parallelle datastrukturer ved bruk av parallelle programmeringsmodeller, biblioteker og rammeverk innen parallellprogrammering og algoritmedesign
  • analysere ytelsen til datastrukturer og algoritmer for å kunne evaluere effektiviteten, skalerbarheten og belastningsbalanseringen til parallelle algoritmer og optimalisere dem for forbedret ytelse
Generell kompetanse

Studenten kan

  • analysere og løse komplekse problemer knyttet til datastrukturer og algoritmer
  • ta en sentral rolle i et effektivt og målrettet team for å løse datastruktur og algoritmiske problemer, formidle ideer og bidra til kollektiv problemløsning
  • formidle tilpasningsevne og en kontinuerlig læringstankegang innen datastrukturer og algoritmer for å gjenkjenne teknologiens utviklende natur
  • utøve etiske hensyn i datastrukturer, algoritmer og parallell databehandling for å anerkjenne viktigheten av ansvarlig databehandlingspraksis, inkludert hensyn til personvern, sikkerhet og rettferdighet i algoritmedesign og implementering
Arbeids- og undervisningsformer

Emnet er gjennomført som en kombinasjon av forelesninger, praktiske øvelser, selvstudium og veiledning.

Obligatoriske aktiviteter
  • 2 individuelle oppgaver

Obligatoriske arbeidskrav som er bestått er kun gyldig i 12 måneder. Studenter som ønsker å ta opp eksamener etter 12 måneder, må bestå de obligatoriske arbeidskravene på nytt ved neste ordinære gjennomføring av emnet. 

Eksamen
  • 1 prosjektbasert individuell oppgave

 

Oppgaven vurderes med graderte bokstavkarakterer fra A-F, der E er laveste ståkarakter.

 

Studenten kan velge hvilket språk som benyttes i egen gjennomføring av eksamen. Valg er bokmål, nynorsk eller engelsk.

 

Tillatte hjelpemidler

  • Litteratur
  • Alle trykte og skrevne ressurser
  • Bruk av KI-generert tekst og innhold skal være avklart med faglærer, klart merket og akademisk begrunnet i besvarelsen
Eksamen
VurderingsordningKarakterskalaGruppe/individuellVarighetHjelpemidlerAndelKommentar
Oppgave
ECTS - A-F
Individuell
  • Alle
100
Fakultet
Fakultet for film, TV og spill
Institutt
Institutt for spillutdanninger - Spillskolen