TDDD95 · 6 hp · Avancerad nivå (A1F) · Datateknik, Datavetenskap
Algoritmisk problemlösning
Ges · nästa start VT 2027
100 %
klarade senaste ordinarie tillfället
UPG1 · 17 jun 2026 · 26 studenter
100 %
klarade de ordinarie tillfällena, alla tillfällen de senaste 5 åren
UPG1 · 218 studenter
Modulen rapporterar bara godkända resultat, så andelen godkända visar inte hur många som inte klarade den.
Ingår i 8 program
- Civilingenjörsprogram i teknisk fysik och elektroteknik - internationell
- Civilingenjörsprogram i teknisk fysik och elektroteknik
- Civilingenjörsprogram i datateknik
- Civilingenjörsprogram i informationsteknologi
- Civilingenjörsprogram i mjukvaruteknik
- Civilingenjörsprogram i teknisk matematik
- Masterprogram i Data Science and Information Engineering
- Masterprogram i datavetenskap
Inlämning eller laboration
UPG1 Hemuppgifter
- 5
- 4
- 3
Ordinarie tillfällen
100 % godkända · 218 studenter
- 100 %26
- 100 %45
- 100 %66
- 100 %34
- 100 %47
Senare tillfällen
Inga tillfällen med minst 5 studenter.
- Får 4 eller 5: 29 % (218 studenter)
Visa små tillfällen (42)
Tillfällen med färre än 5 studenter, ofta tillgodoräknanden eller specialtillfällen. De ingår inte i någon siffra på sidan.
- 100 %1
- 100 %4
- 100 %1
- 100 %3
- 100 %2
- 100 %1
- 100 %1
- 100 %1
- 100 %1
- 100 %1
- 100 %1
- 100 %1
- 100 %1
- 100 %1
- 100 %3
- 100 %1
- 100 %1
- 100 %1
- 100 %1
- 100 %1
- 100 %1
- 100 %1
- 100 %1
- 100 %1
- 100 %2
- 100 %1
- 100 %2
- 100 %3
- 100 %1
- 100 %1
- 100 %1
- 100 %1
- 100 %1
- 100 %1
- 100 %1
- 100 %1
- 100 %1
- 100 %4
- 100 %1
- 100 %1
- 100 %1
- 100 %1
Övriga moment
Deltentor, inlämningar och laborationer. De ingår inte i siffrorna överst.
Inlämning eller laboration
LAB1 Laborationer
- 5
- 4
- 3
Ordinarie tillfällen
100 % godkända · 147 studenter
- 100 %18
- 100 %22
- 100 %50
- 100 %19
- 100 %38
Senare tillfällen
100 % godkända · 10 studenter
- 100 %5
- 100 %5
- Klarar ett senare tillfälle: 100 % (10 studenter), jämfört med 100 % (147 studenter) på ordinarie
- Får 4 eller 5: 29 % (157 studenter)
Visa små tillfällen (67)
Tillfällen med färre än 5 studenter, ofta tillgodoräknanden eller specialtillfällen. De ingår inte i någon siffra på sidan.
- 100 %3
- 100 %3
- 100 %1
- 100 %3
- 100 %2
- 100 %1
- 100 %1
- 100 %1
- 100 %1
- 100 %2
- 100 %2
- 100 %1
- 100 %1
- 100 %1
- 100 %1
- 100 %1
- 100 %1
- 100 %1
- 100 %1
- 100 %1
- 100 %2
- 100 %1
- 100 %1
- 100 %1
- 100 %1
- 100 %3
- 100 %1
- 100 %1
- 100 %1
- 100 %2
- 100 %1
- 100 %2
- 100 %1
- 100 %1
- 100 %1
- 100 %1
- 100 %3
- 100 %1
- 100 %2
- 100 %1
- 100 %2
- 100 %1
- 100 %1
- 100 %1
- 100 %1
- 100 %1
- 100 %1
- 100 %2
- 100 %4
- 100 %1
- 100 %1
- 100 %1
- 100 %3
- 100 %1
- 100 %1
- 100 %2
- 100 %1
- 100 %1
- 100 %1
- 100 %1
- 100 %2
- 100 %1
- 100 %1
- 100 %1
- 100 %3
- 100 %1
- 100 %1
Om kursen
Mål
Studentens lärandemål:
- Att analysera effektiviteten hos olika möjliga lösningar på ett problem för att avgöra vilken som är tillräckligt effektivt för en given situation.
- Att jämföra olika problem med avseende på svårighetsgrad.
- Att använda teknik för algoritmdesign som giriga algoritmer, dynamisk programmering, söndra och härska samt sökning för att skapa algoritmer för att lösa givna problem.
- Strategier för att testa och debugga algoritmer och datastrukturer.
- Att snabbt och korrekt implementera algoritmer och datastrukturer.
- Att kommunicera och samarbeta med andra studenter vid problemlösning i grupp.
Innehåll
För att framgångsrikt lösa datavetenskapliga problem krävs en solid teoretisk grund samt förmågan att applicera teorierna vid praktisk problemlösning. Målet med den här kursen är att utveckla förmågan att lösa komplicerade algoritmiska problem genom att utnyttja kunskaper om algoritmer, data strukturer och komplexitetsteori. För att lösa den här typen av problem är det viktigt att kunna analysera problemet, välja eller designa en algoritm, avgöra hur mycket resursers (tid och minne) algoritmen kräver samt att implementera och testa algoritmen snabbt och korrekt. I den här kursen tränas detta genom att lösa uppgifter och att arbeta under tidspress under problemlösningstillfällen. Kursen innehåller också tävlingsmoment där studenterna enskilt eller i grupp ska lösa algoritmiska problem under tidspress och med begränsade resurser. Syftet är att studenterna ska kunna använda programmering och algoritmer som ett effektivt verktyg för problemlösning samt få en möjlighet att tillämpa teoretiska kunskaper från andra kurser för att lösa praktiska problem.
- Examinator
- Fredrik Heintz
- Schemalagd tid
- 48 h
- Huvudområde
- Datateknik, Datavetenskap