tttttt
Strona: 1

Podstawowe informacje o zajęciach

Nazwa zajęć: Algorytmy i struktury danych

Cykl kształcenia: 2021/2022

Nazwa jednostki prowadzącej studia: Wydział Matematyki i Fizyki Stosowanej (p.prakt)

Nazwa kierunku studiów: Inżynieria i analiza danych

Obszar kształcenia: nauki ścisłe

Profil studiów: praktyczny

Poziom studiów: pierwszego stopnia

Forma studiów: stacjonarne

Specjalności na kierunku: inżynieria i analiza danych

Tytuł otrzymywany po ukończeniu studiów: inżynier

Nazwa jednostki prowadzącej zajęcia: Katedra Elektrotechniki i Podstaw Informatyki

Kod zajęć: 12317

Status zajęć: obowiązkowy dla programu inżynieria i analiza danych

Układ zajęć w planie studiów: sem: 1 / W15 L15 P15 / 4 ECTS / Z

Język wykładowy: polski

Imię i nazwisko koordynatora: dr inż. Grzegorz Drałus

Dane kontaktowe koordynatora: budynek B, pokój 204, tel. 17 865 1770, gregor@prz.edu.pl

Terminy konsultacji koordynatora: http://pei.prz.edu.pl/plan_zajec_semestr.php

Pozostałe osoby prowadzące zajęcia

semestr 1: dr inż. Antoni Szczepański , termin konsultacji http://pei.prz.edu.pl/plan_zajec_semestr.php

semestr 1: dr inż. prof. PRz Mariusz Borkowski , termin konsultacji http://pei.prz.edu.pl/plan_zajec_semestr.php

Strona: 2

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 kształcenia: 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
  3. , https://eduinf.waw.pl/inf/alg/001_search/index.php, .,
  4. , https://visualgo.net/en, .,

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
  3. , https://runestone.academy/runestone/books/published/pythonds/SortSearch/Hashing.html, .,

Literatura uzupełniająca

  1. Sedgewick Robert, Algorithms, Addison-Wesley., 2011
  2. Świder Krzysztof, Wykłady z algorytmów i struktur danych z zadaniami, Oficyna Wydawnicza PRz., 2004
Strona: 3

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.

Strona: 4

Efekty kształcenia dla zajęć

MEK Student, który zaliczył zajęcia Formy zajęć/metody dydaktyczne prowadzące do osiągnięcia danego efektu kształcenia Sposoby 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
04. Ma wiedzę na temat wybranych algorytmów wyszukiwania elementu o specyficznych właściwościach w zbiorze danych. wykład/ laboratorium/ projekt Zaliczenie cz. Pisemna Cz. praktyczna K_W06+
K_W07+
K_U10+
K_K02+
P6S_KK
P6S_KO
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).

Strona: 5

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, L01, P1 MEK01
1 TK02 Wyszukiwanie liniowe/sekwencyjne - definicje, sformułowanie problemu. Prezentacja oraz ocena złożoności wybranych algorytmów wyszukiwanie elementu o określonych właściwościach w tablicy. W02, W03, L02, L03, P1 MEK04
1 TK03 Sortowanie - podstawowe definicje, sformułowanie problemu. Prezentacja oraz ocena złożoności wybranych algorytmów sortowania. W04, L04, P1 MEK03
1 TK04 Reprezentacja pamięciowa oraz podstawowe algorytmy na wybranych strukturach dynamicznych (tablice dynamiczne, listy stosy, kolejki, drzewa). W05, L05, P2 MEK02
1 TK05 Tablice z haszowaniem, funkcje mieszające, metody rozwiązywania problemu kolizji. zastosowania. W06, L06, P3 MEK02
1 TK06 Zbiory danych. Struktury danych stosowanych do zapamiętania zbioru. Operacje na zbiorach. Struktury drzewiaste i ich właściwości. Drzewa binarne. Drzewa poszukiwań binarnych (BST). W07, W08, L07, P3 MEK02 MEK04
Strona: 6

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.

Strona: 7

Sposób wystawiania ocen składowych zajęć i oceny końcowej

Forma zajęć Sposób wystawiania oceny podsumowującej
Wykład ocena z zaliczenia pisemnego wykładu
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.
Strona: 8

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

Strona: 9

Treści zajęć powiazane są z prowadzonymi badaniami naukowymi: tak

Publikacje naukowe

  1. A. Czmil; G. Drałus; D. Mazur, Automatic Detection and Counting of Blood Cells in Smear Images Using RetinaNet, ., 2021
  2. G. Dec; G. Drałus; B. Kwiatkowski; D. Mazur, Forecasting Models of Daily Energy Generation by PV Panels Using Fuzzy Logic, ., 2021
  3. G. Drałus; T. Rak, Prognozowanie w horyzoncie jednej godziny produkcji energii przez panel fotowoltaiczny , OFICYNA WYDAWNICZA POLITECHNIKI RZESZOWSKIEJ., 2020
  4. G. Drałus; T. Rak, Programowanie równoległe w hybrydowym środowisku MPI i OpenMP na klastrze serwerów, OFICYNA WYDAWNICZA POLITECHNIKI RZESZOWSKIEJ., 2020
  5. G. Dec; G. Drałus; D. Mazur, One day ahead forecasting of energy generating in photovoltaic systems, ., 2018
  6. G. Drałus; L. Gołębiowski; M. Gołębiowski; D. Mazur, One day-ahead forecasting at different time periods of energy production in photovoltaic systems using neural networks, IEEE., 2018
  7. G. Drałus; Z. Gomółka, Prognozowanie produkcji energii elektrycznej w systemach fotowoltaicznych, ., 2017
  8. G. Drałus; Z. Gomółka; B. Twaróg; E. Żesławska, Rejestracja i analiza zjawisk szybkozmiennych, ., 2017
  9. G. Drałus; Z. Gomółka; D. Mazur; A. Smoleń, Seasonal models of energy forecasting in photovoltaic systems using artificial neural networks, Lodz University of Technology Press., 2017