Anbefalede faglige forudsætninger for at
deltage i modulet
Modulet bygger videre på viden, færdigheder og kompetencer opnået i
moduler i statistik og matematisk analyse fra bachelor
studieordningen eller tilsvarende moduler.
Modulets indhold, forløb og pædagogik
Studerende, som gennemfører modulet, vil have tilegnet sig viden
om metoder på avanceret niveau inden for matematisk
modellering.
Tre til fire af følgende hovedemner udgør kursets pensum. De
studerende orienteres om de konkrete emner ved kursets
begyndelse.
Læringsmål
Viden
- Viden om partielle differentialligninger, herunder:
- første og anden ordens lineære partielle differentialligninger
og deres klassifikation
- randværdier og begyndelsesværdi problemer
- løsningsmetoder for lineære differential ligninger
- løsningsrepræsentation og regularitet af
løsninger
- Expectation-maximisation (EM) algoritmen og missing data.
- Bayesianske netværk
- Grafiske modeller
- Køteori
- Hidden Markov modeller
Færdigheder
- kan anvende relevante metoder i et eller flere tilfælde og
fortolke resultaterne
- er i stand til at forklare de underliggende antagelser og
argumentere for metodernes begrænsninger og udvidelsesmuligheder i
et eller flere tilfælde
- kan vurdere goodness-of-fit for de anvendte metoder,
hvor dette er relevant
Kompetencer
- kan opnå yderligere viden om relevante metoder
- kan kombinere relevante metoder fra kurset i analysen af et
specifikt problem
- kan i skriftlig form beskrive metoden, resultaterne og
konklusionerne fra en analyse af et specifikt problem.
Undervisningsform
Forelæsninger med tilhørende opgaveregning.
Omfang og forventet arbejdsindsats
Kursusmodulets omfang er 5 ECTS svarende til 150 timers
studieindsats.
Eksamen
Prøver
Prøvens navn | Matematisk modellering |
Prøveform | Skriftlig eller mundtlig |
ECTS | 5 |
Bedømmelsesform | 7-trins-skala |
Censur | Intern prøve |
Vurderingskriterier | Vurderingskriterierne er angivet i Universitetets
eksamensordning |