Hauptinhalt

Dieser Eintrag ist aus dem Wintersemester 2020/21 und möglicherweise veraltet. Ein aktuelles Äquivalent finden Sie hier.

CS 566 — Effiziente Algorithmen
(engl. Efficient Algorithms)

Niveaustufe, Verpflichtungsgrad Aufbaumodul, Wahlpflichtmodul
Lehr- und Lernformen,
Arbeitsaufwand
Vorlesung (4 SWS), Übung (2 SWS),
270 Stunden (90 Std. Präsenzzeit, 180 Std. Selbststudium)
Leistungspunkte,
Voraussetzungen zum Erwerb
9 LP
Studienleistung(en): Erreichen von mindestens 50 Prozent der Punkte aus den wöchentlich zu bearbeitenden Übungsaufgaben und mündliche Präsentation der Lösung von mindestens zwei der Übungsaufgaben.
Prüfungsleistung: Mündliche Prüfung oder Klausur
Sprache,
Benotung
Deutsch,
Die Benotung erfolgt mit 0 bis 15 Punkten gemäß der Prüfungsordnung für den Studiengang B.Sc. Data Science.
Dauer des Moduls,
Häufigkeit
Ein Semester,
Unregelmäßig
Modulverantwortliche(r) Prof. Dr. Bernhard Seeger

Inhalt

Algorithmische Methoden

  • Greedy-Verfahren
  • Dynamisches Programmieren
  • Divide-and-Conquer

Laufzeitanalysen (worst-case, amortisiert, ausgabesensitiv, Lösung von Rekurrenzen)

Korrektheitsbeweise

Algorithmen für Mengen, Graphen, Text und geometrische Problemstellungen

Algorithmen für Externspeicher

Algorithmen für Datenströme

Approximationsalgorithmen


Qualifikationsziele

  • Erlernen von Fertigkeiten im Entwurf von Algorithmen,
  • Kenntnisse der wichtigsten Entwurfs- und Analyseparadigmen,
  • Nutzen effizienter Datenstrukturen beim Algorithmenentwurf,
  • Einblicke in die Analyse von Algorithmen bzgl. Korrektheit und Aufwand,
  • Einüben wissenschaftlicher Arbeitsweisen (Erkennen, Formulieren, Lösen von Problemen, Schulung des Abstraktionsvermögens),
  • Training der mündlichen Kommunikationsfähigkeit in den Übungen durch Einüben der freien Rede vor einem Publikum und bei der Diskussion.

Voraussetzungen

Keine. Empfohlen werden die Kompetenzen, die in dem Modul Algorithmen und Datenstrukturen vermittelt werden.


Verwendbarkeit

Importmodul aus dem B.Sc. Data Science.

Es kann im FB12 verwendet werden im Studiengang bzw. in den Studiengängen

  • B.Sc. Data Science
  • B.Sc. Informatik
  • B.Sc. Wirtschaftsinformatik
  • M.Sc. Data Science
  • M.Sc. Informatik
  • M.Sc. Mathematik
  • M.Sc. Wirtschaftsinformatik
  • M.Sc. Wirtschaftsmathematik
  • LAaG Informatik

Im Studiengang M.Sc. Data Science kann das Modul im Studienbereich Informatik Vertiefungsmodule absolviert werden.


Literatur

  • Cormen, Leierson, Rivest, Stein: Algorithmen - Eine Einführung. Oldenbourg.
  • Ottmann, Widmayer: Algorithmen und Datenstrukturen. Spektrum Akad. Verlag.
  • Schöning: Algorithmik. Spektrum Akad. Verlag. 2001.
  • Güting, Dieker: Datenstrukturen und Algorithmen, Vieweg+Teubner



Bitte beachten Sie:

Diese Seite beschreibt ein Modul gemäß dem im Wintersemester 2020/21 aktuellsten gültigen Modulhandbuch. Die meisten für ein Modul gültigen Regeln werden nicht durch die Prüfungsordnung festgelegt, und können daher von Semester zu Semester aktualisiert werden. Folgende Versionen liegen im Online-Modulhandbuch vor:

Das Modulhandbuch enthält alle Module, unabhängig vom aktuellen Veranstaltungsangebot, vergleichen Sie dazu bitte das aktuelle Vorlesungsverzeichnis in Marvin.

Die Angaben im Online-Modulhandbuch wurden automatisch erstellt. Rechtsverbindlich sind die Angaben der Prüfungsordnung. Wenn Ihnen Unstimmigkeiten oder Fehler auffallen, sind wir für Hinweise dankbar.