Moment 1, teoridel, 4.5 högskolepoäng Kursen behandlar system där systemets beteende uppstår som en emergent egenskap ur interaktionen mellan systemets delar. Emergenta egenskaper kan observeras i alla icke-linjära system som är tillräckligt komplexa, både naturliga och artificiella. Under kursen kommer bland annat fraktaler, kaos, komplexa system, evolution och adaptation att behandlas.
Moment 2, laborationsdel, 3 högskolepoäng Delmomentet utgörs av en laborationskurs med ett antal obligatoriska inlämningsuppgifter.
Förväntade studieresultat
Efter avslutad kurs ska studenten kunna: - exemplifiera hur delar i system kan interagera och ge upphov till ett mer komplext beteende än vad som framgår i beskrivningen för varje enskild del - förklara hur fraktaler, kaos, komplexa system, evolution och adaptation kan användas för att modellera, simulera och förstå emergenta system - jämföra olika tekniker och algoritmer såsom cellulära automater, myralgoritmer, genetiska algoritmer, boids, svärmalgoritmer, evolutionära metoder, autonoma agenter, producent-/konsumentdynamik, etc - förklara olika spelteoretiska modeller - tillämpa algoritmer och modeller för att kunna simulera och visualisera enkla naturliga och artificiella system som uttrycker emergenta egenskaper
Behörighetskrav
Univ:För tillträde till kursen krävs 60 hp i huvudområdet datavetenskap eller 2 års studier i båda fallen inkluderande kurserna Linjär algebra (5MA019), Datakommunikation och internet (5DV065) eller Datakommunikation och datornät (5DV013) samt Artificiell intelligens - grunderna (5DV121) eller motsvarande kunskaper. En A och svenska för grundläggande behörighet för högskolestudier.
Undervisningens upplägg
Undervisningen bedrivs i form av föreläsningar, arbete i datorlabb och övningar i mindre grupper. Utöver schemalagda aktiviteter krävs även individuellt arbete med materialet.
Examination
Examinationen sker dels genom skriftlig tentamen (på teoridelen) dels genom ett laborationsmoment. På en skriftlig tentamen sätts något av betygen Underkänd (U), Godkänd (3), Icke utan beröm godkänd (4) eller Med beröm godkänd (5). På laborationsmomentet ges endast betygen Underkänd (U) eller Godkänd (G). På hela kursen ges något av betygen Underkänd (U), Godkänd (3), Icke utan beröm godkänd (4) eller Med beröm godkänd (5). För att bli godkänd på hela kursen krävs att samtliga prov och obligatoriska moment är godkända. Betyget utgör en sammanfattande bedömning av resultaten vid examinationens olika delar och sätts först när alla obligatoriska moment är godkända. Studerande som godkänts i ett prov får inte undergå förnyat prov för att få ett högre betyg.
För studerande som inte godkänns vid ordinarie provtillfälle anordnas ytterligare provtillfälle. En student som utan godkänt resultat har genomgått två prov för en kurs eller en del av en kurs, har rätt att få en annan examinator utsedd, om inte särskilda skäl talar emot det (HF 6 kap. 22 §). Begäran om ny examinator ställs till styrelsen för Institutionen för datavetenskap.
TILLGODORÄKNANDE I en examen får denna kurs ej ingå, helt eller delvis, samtidigt med en annan kurs med likartat innehåll. Vid tveksamheter bör den studerande rådfråga studievägledare vid Institutionen för datavetenskap.
Tillgodoräknande av studier prövas individuellt (se universitetets regelsamling och tillgodoräknandeordning). Ansökan om tillgodoräknande görs på speciell blankett och ställs till den Teknisk-naturvetenskapliga fakultetsnämnden, Umeå universitet.
Litteratur
Litteraturlistan är inte tillgänglig via den webbaserade utbildningskatalogen.
Kontakta aktuell institution.
