(in Polish) Algorytmy probabilistyczne 1000-MS1-AlgProbab

Total student workload

(in Polish) udział w wykładach - 15 godzin - udział w ćwiczeniach - 15 godzin - udział w laboratorium - 15 godzin - przygotowanie do zaliczenia ćwiczeń - 30 godzin - przygotowanie do zaliczenia egzaminu - 30 godzin - lektura literatury - 15 godzin Łącznie 120 godzin. (4 ECTS)

Learning outcomes - knowledge

(in Polish) W1. Student rozumie różnicę między algorytmem randomizowanym a algorytmem probabilistycznym. W2. Zna podstawowe metody Monte Carlo. W3. Rozumie metody obliczeń oparte na łańcuchach Markowa. W4. Zna najważniejsze zastosowania dynamicznych metod Monte Carlo.

Learning outcomes - skills

(in Polish) U1. Student potrafi napisać i zaimplementować prosty algorytm Monte Carlo U2. Umie symulować najważniejsze rozkłady prawdopodobieństwa. U3. Potrafi empirycznie ocenić jakość prowadzonych symulacji.

Learning outcomes - social competencies

(in Polish) K1. Student ma świadomość powszechności metod probabilistycznych i statystycznych w funkcjonowaniu współczesnych społeczeństw (K_K02) K2. Student zna niebezpieczeństwa związane z manipulacją danymi (K_K01)

Teaching methods

(in Polish) Wykład konwencjonalny wspomagany komputerowo Ćwiczenia rachunkowe Samodzielne programowanie.

Observation/demonstration teaching methods

- display

Expository teaching methods

- problem-based lecture
- informative (conventional) lecture

Exploratory teaching methods

- classic problem-solving
- laboratory
- practical

Online teaching methods

- content-presentation-oriented methods

Prerequisites

(in Polish) Podstawowe umiejętności w zakresie analizy matematycznej. Kurs rachunku prawdopodobieństwa.

Course coordinators

Adam Jakubowski

Additional information

Additional information (registration calendar, class conductors, localization and schedules of classes), might be available in the USOSweb system:

Description of 1000-MS1-AlgProbab in USOSweb