Cel kształcenia i wykaz literatury

Główny cel kształcenia: Zdobycie wiedzy i umiejętności z zakresu statycznych i dynamicznych struktur danych, wybranych technik konstruowania algorytmów oraz złożoności obliczeniowej.

Ogólne informacje o zajęciach: Zdobycie wiedzy i umiejętności z zakresu statycznych i dynamicznych struktur danych, wybranych technik konstruowania algorytmów oraz złożoności obliczeniowej. Moduł prezentuje podstawowe struktury danych (listy, stosy, kolejki, drzewa) oraz algorytmy przetwarzania tych struktur z uwzględnieniem złożoności.

Wykaz literatury, wymaganej do zaliczenia zajęć

Literatura wykorzystywana podczas zajęć wykładowych

1	Cormen T. H., Leiserson C. E., Rivest R. L., Stein C.	Wprowadzenie do algorytmów	Wydawnictwo Naukowe PWN.	2018
2	Wirth Niklauth	Algorytmy + struktury danych = programy	Warszawa, WNT.	2001.
3	Wróblewski Piotr	Algorytmy, struktury danych i techniki programowania	Helion.	2009

Literatura wykorzystywana podczas zajęć ćwiczeniowych/laboratoryjnych/innych

1	Sysło Maciej	Algorytmy	Helion.	2016
2	Alfred V. Aho, John E. Hopcroft, Jeffrey D. Ullman	Projektowanie i analiza algorytmów	Helion.	2003

Literatura do samodzielnego studiowania

1	Diks Krzysztof, Banachowski Lech, Rytter Wojciech	Algorytmy i struktury danych	PWN.	2018
2	A.V. Aho,J.E. Hopcroft, J.D. Ullman	Algorytmy i struktury danych	Helion.	2003

Wymagania wstępne w kategorii wiedzy/umiejętności/kompetencji społecznych

Wymagania formalne: Student spełnia wymagania określone w regulaminie studiów.

Wymagania wstępne w kategorii Wiedzy: Podstawa wiedza z informatyki, algebry i statystyki.

Wymagania wstępne w kategorii Umiejętności: Pożądana znajomość dowolnego języka programowania.

Wymagania wstępne w kategorii Kompetencji społecznych: Znajomość i przestrzeganie obowiązków studenta oraz podstawowych zasad etyki.

Efekty kształcenia dla zajęć

MEK	Student, który zaliczył zajęcia	Formy zajęć/metody dydaktyczne prowadzące do osiągnięcia danego efektu kształcenia	Metody weryfikacji każdego z wymienionych efektów kształcenia	Związki z KEK	Związki z PRK
01	Ma podstawową wiedzę z zakresu wybranych technik projektowania algorytmów oraz rozumie, jak można poprawić ich efektywność i przejrzystość.	Wykład/ Laboratorium/ Projekt	Zaliczenie cz. pisemna	K_W05+ K_W06++ K_U05+ K_K01+	P6S_KK P6S_UW P6S_WG
02	Ma podstawową wiedzę z zakresu elementarnych struktur danych (np. listy kolejki i stosy, drzewa) oraz potrafi wykonywać podstawowe operacje na tych strukturach.	Wykład/ Laboratorium/ Projekt	Zaliczenie cz. Pisemna Cz. praktyczna	K_W07+ K_U15+ K_U18+ K_K05+	P6S_KO P6S_UW P6S_WG
03	Ma podstawową wiedzę na temat algorytmów sortowania, potrafi wyjaśnić ich działanie oraz ocenić złożoność wybranych algorytmów.	Wykład/ Laboratorium/ Projekt	Zaliczenie cz. Pisemna Cz. praktyczna	K_W06++ K_W07+ K_U10+ K_U23+ K_K02+	P6S_KK P6S_KO P6S_UK P6S_UW P6S_WG

Uwaga: W zależności od sytuacji epidemicznej, jeżeli nie będzie możliwości weryfikacji osiągniętych efektów uczenia się określonych w programie studiów w sposób stacjonarny w szczególności zaliczenia i egzaminy kończące określone zajęcia będą mogły się odbywać przy użyciu środków komunikacji elektronicznej (w sposób zdalny).

Treści kształcenia dla zajęć

Sem.	TK	Treści kształcenia	Realizowane na	MEK
1	TK01	Złożoność obliczeniowa programów. Notacje algorytmów: sieć działań, notacja liniowa. Zapis algorytmów w pseudokodzie.	W01, W02, L01, P1	MEK01
1	TK02	Reprezentacja pamięciowa oraz podstawowe algorytmy na wybranych strukturach dynamicznych (listy stosy, kolejki, drzewa).	W03, W04, L02, L03, P1	MEK02
1	TK03	Struktury drzewiaste i ich właściwości. Drzewa binarne. Rekursja. Drzewa poszukiwań binarnych (BST).	W05, L04, P2	MEK01
1	TK04	Definicja, podstawowe cechy oraz algorytmy na kopcach (heap). Kolejki priorytetowe.	W06, L05, P2	MEK02
1	TK05	Sortowanie - podstawowe definicje, sformułowanie problemu. Prezentacja oraz ocena złożoności wybranych algorytmów sortowania.	W07, L06, P3	MEK03
1	TK06	Rozwiązywanie problemów z wykorzystaniem rekursji. Konstruowanie oraz praktyczna weryfikacja wybranych algorytmów sortowania.	W08, L07, P3	MEK01 MEK03

Nakład pracy studenta

Forma zajęć	Praca przed zajęciami	Udział w zajęciach	Praca po zajęciach
Wykład (sem. 1)	Przygotowanie do kolokwium: 10.00 godz./sem.	Godziny kontaktowe: 15.00 godz./sem.	Uzupełnienie/studiowanie notatek: 10.00 godz./sem. Studiowanie zalecanej literatury: 10.00 godz./sem.
Laboratorium (sem. 1)	Przygotowanie do laboratorium: 7.00 godz./sem. Przygotowanie do kolokwium: 3.00 godz./sem.	Godziny kontaktowe: 15.00 godz./sem.	Dokończenia/wykonanie sprawozdania: 7.00 godz./sem.
Projekt/Seminarium (sem. 1)	Przygotowanie do zajęć projektowych/seminaryjnych: 3.00 godz./sem.	Godziny kontaktowe: 15.00 godz./sem..	Wykonanie projektu/dokumentacji/raportu: 5.00 godz./sem. Przygotowanie do prezentacji: 2.00 godz./sem.
Konsultacje (sem. 1)	Przygotowanie do konsultacji: 1.00 godz./sem.	Udział w konsultacjach: 1.00 godz./sem.
Zaliczenie (sem. 1)	Przygotowanie do zaliczenia: 7.00 godz./sem.	Zaliczenie pisemne: 1.00 godz./sem.

Sposób wystawiania ocen składowych zajęć i oceny końcowej

Forma zajęć	Sposób wystawiania oceny podsumowującej
Wykład	ocena z zaliczenia pisemnego oraz ocena z testów po wykładach
Laboratorium	oceny ze sprawozdań i wykonywanych zadań na zajęciach.
Projekt/Seminarium	ocena z wykonania zadania projektowego.
Ocena końcowa	ocena końcowa to średnia w/w z ocen.

Przykładowe zadania

Wymagane podczas egzaminu/zaliczenia
(-)

Realizowane podczas zajęć ćwiczeniowych/laboratoryjnych/projektowych
(-)

Inne
(-)

Czy podczas egzaminu/zaliczenia student ma możliwość korzystania z materiałów pomocniczych : nie

Treści zajęć powiazane są z prowadzonymi badaniami naukowymi: tak

1	G. Drałus; G. Karnas; G. Masłowski	Identification of cloud-to-ground lightning and intra-cloud lightning based on their radiated electric field signatures using different types of neural networks and machine learning classifiers	2024
2	G. Drałus	Metody śledzenia punktu MPP modułu fotowoltaicznego	2023
3	G. Drałus; J. Drałus; J. Kusznier; D. Mazur	Application of Artificial Intelligence Algorithms in Multilayer Perceptron and Elman Networks to Predict Photovoltaic Power Plant Generation	2023
4	A. Czmil; G. Drałus; D. Mazur	Automatic Detection and Counting of Blood Cells in Smear Images Using RetinaNet	2021
5	G. Dec; G. Drałus; B. Kwiatkowski; D. Mazur	Forecasting Models of Daily Energy Generation by PV Panels Using Fuzzy Logic	2021
6	G. Drałus; T. Rak	Prognozowanie w horyzoncie jednej godziny produkcji energii przez panel fotowoltaiczny	2020
7	G. Drałus; T. Rak	Programowanie równoległe w hybrydowym środowisku MPI i OpenMP na klastrze serwerów	2020