Behörighetskrav

Grundläggande behörighet

Fördjupningsnivå i förhållande till examensfordringarna

Fristående kurs

Innehåll

InnehållNätbaserad distansutbildning: Undervisningen byggs helt kring kursmaterial som ges via Internet. Undervisningen förutsätter tillgång till en dator med Internetanslutning. Inga schemalagda sammankomster eller fysiska träffar.

Matematiska begrepp:

• slumptal
• proportionalitet
• funktioner
• förändring och förändringshastighet
• lägesmått, spridningsmått, histogram

Modellering, simulering och databehandling:

• modellbegreppet
• populationsmodeller, konkurrens, rörelsemodeller m.m.
• smittspridning, slumpmodeller
• databehandling, hantering av brus i bilder och signaler
• anpassning av modeller till data (regression)

Modellering, simulering och databehandling i Python:

• datatyper och variabler
• in- och utmatning, filhantering
• grafik och visualisering
• kontrollflöden: repetition och förgrening
• funktioner och moduler
• bibliotek för modellering, simulering och databehandling

Lärandemål

Kunskap och förståelse

Efter avslutad kurs ska studenten kunna:

1. med egna ord redogöra för centrala begrepp under kursens innehåll

2. redogöra för hur matematisk modellering kan användas för att beskriva verkliga händelser inom olika fält.

Färdighet och förmåga

Efter avslutad kurs ska studenten kunna:

3. hantera och bearbeta data, beräkna och presentera lägesmått och spridningsmått

4. sätta upp modeller och formulera dem i matematiska termer

5. implementera modeller i Python och med egna ord förklara vad de olika Python- kommandona gör

6. köra implementerade modeller och utvärdera resultaten gentemot data.

Värderingsförmåga och förhållningssätt

Efter avslutad kurs ska studenten kunna:

7. värdera rimligheten av resultaten från en simulering.

Arbetsformer

Videoinspelade föreläsningar, laborationer och självstudier.

Bedömningsformer

Inlämningsuppgifter med tillhörande muntliga förklaringar via skärminspelningar

del 1 (2,5 hp lärandemål 1-6) och

del 2 (2,5 hp lärandemål 1-6). Datorlaborationer med tillhörande muntliga förklaringar via skärminspelningar (2,5 hp lärandemål 3-7).

För betyget Godkänt krävs att samtliga delar är bedömda med betyget Godkänt.

Kurslitteratur

Rekommenderad litteratur:

• Introduktion till matematisk modellering och databehandling i Python. Fakulteten för teknik och samhälle, Malmö universitet 2023. Tillgängliggörs via institutionen.

Kursvärdering

Malmö universitet ger studenter som deltar i eller har avslutat en kurs en möjlighet att framföra sina erfarenheter av och synpunkter på kursen genom en kursvärdering som anordnas av lärosätet. Universitetet sammanställer kursvärderingarna samt informerar om resultaten och eventuella beslut om åtgärder som föranleds av kursvärderingarna. Resultaten ska hållas tillgängliga för studenterna. (HF 1:14).

Övergångsbestämmelser

Om en kurs har upphört att ges eller har genomgått större förändringar ska studenterna, under ett år efter det att förändringen har skett, erbjudas två tillfällen för omprov baserade på den kursplan som gällde vid registreringen.

Övrigt

Om en student har beslut om riktat pedagogiskt stöd, har examinator rätt att ge ett anpassat prov eller låta studenten genomföra prov på ett alternativt sätt.