Projektdag 2017 – Københavns Universitet

Videresend til en ven Resize Print kalender-ikon Bookmark and Share

Datalogisk Institut, DIKU > Begivenhedsmappen > Begivenheder 2017 > Projektdag 2017

Projektdag 2017

I efterårsferien holder DIKU Projektdag for dig, der skriver studieretningsprojekt (SRP) eller studieområdeprojekt (SOP) i et emne inden for datalogiens verden.

Hvad end du allerede har valgt, hvilket emne du vil skrive opgave om, eller om du har brug for inspiration, så giver Projektdag dig indblik i en række datalogiske emner, og du får mulighed for at fordybe dig i det emne, du synes lyder mest spændende. Dagen vil byde på en serie af oplæg efterfulgt af øvelser og masser af tid til at stille spørgsmål. Når Projektdagen er slut, går du hjem med en god forståelse for et nyt emne, klar til at gå i gang med dit projekt.

Oplæggene til Projektdag er målrettet til dig, som skriver opgave i Matematik A eller Informatik B som dit ene fag. Skriver du fx opgave i Matematik A og Virksomhedsøkonomi vil oplægget om Kryptering og Bitcoins være relevant for dig.

Ingen af oplæggene eller øvelserne kræver, at du har kodet før eller har programmeringserfaring.

TILMELD DIG HER

Til Projektdag vil vi se nærmere på tre datalogiske områder:

Kryptering og Bitcoins

I dette oplæg gennemgår vi to emner:

  • Kryptering
    Med moderne kryptering kan to mennesker, der aldrig har mødt hinanden, snakke sammen uden at en tredjepart, der lytter med, kan forstå, hvad der bliver sagt. Dette system bruger vi alle hver dag, når vi går på Facebook, netbank osv. Systemet er bundet op på den gren af matematik, der hedder "Talteori". I denne del af oplægget gennemgår vi Talteori, og hvordan man bruger den til at kryptere.

  • Bitcoins
    I anden del af oplægget kigger vi på, hvordan de algoritmer, der bliver brugt til kryptering, også kan bruges til at bygge digital valuta; en digital valuta, der ikke er bundet op på en nationalbank (som almindelig valuta er i dag), men på matematik i stedet.

  • Øvelse
    Til øvelserne vil vi gennemgå, hvordan man krypterer sine beskeder og se, hvor svære de er at knække.

Machine learning og Stance detection

I dette oplæg gennemgår vi to emner:

  • Machine learning
    At få en maskine til at lære af sine fejl og derved forbedre sig er en fantastisk evne som mange programmer og systemer bruger i forskellige afskygninger i dag fx Google og Netflix. I dette oplæg får du en kort introduktion til, hvad Machine learning er med særlig fokus på det aspekt, der hedder ”Stance detection”.

  • Stance detection
    I anden del af oplægget kigger vi nærmere på ”Stance detection”. Med Stance detection kan man programmere og træne en maskine til at behandle tekststrenge, såsom tweets og derigennem analysere folks holdninger til bestemte emner. Vi gennemgår, hvordan man kan lave en automatiseret analyse af folks holdninger til et bestemt emne og træner et system til at give mere og mere kvalificerede bud på et resultat. Da vejen til et kvalificeret bud er lang og hullet, gennemgår vi også nogle af de faldgrupper som et ellers lærenemt program kan falde i.

  • Øvelse
    Til øvelserne laver vi opgaver, der viser, hvordan et program kan lave ”Stance detection”, hvordan den bestemmer sig for, hvad der en positiv og negativ holdning, herunder vil vi også se eventuelle faldgrupper.

Algoritmer

I dette oplæg gennemgår vi fire emner:

  • Pseudokode
    Måden man formelt beskriver en algoritme er vigtig, når man skal bevise, hvad en algoritme kan. Denne del af oplægget vil derfor fokusere på, hvad konventionen er for at skrive i pseudokode.

  • Algoritmer - Introduktion
    Efter vi ved, hvordan man kan beskrive algoritmer, vil vi diskutere, ud fra kendte eksempler, hvilke forskellige metoder, der bruges til at løse problemer, samt hvordan de bruges i forskellige algoritmer.

  • Bevisførelse - Korrekthed
    Når man har beskrevet en algoritme, skal man kunne bevise, at den algoritme, man har udarbejdet, gør det, som man påstår, den gør. Denne del af oplægget fokuserer på, hvordan man laver et korrekthedsbevis.

  • Bevisførelse - Køretider
    Selv hvis man har skrevet en ny algoritme, er mange algoritmer ikke særlig brugbare, fordi det tager for lang tid, før de kommer frem til et brugbart resultat. Denne del af oplægget fokuserer på, hvilke forskellige slags køretider, der eksisterer, og hvordan man kan bevise de pågældende køretider.

  • Øvelse
    Til øvelserne vil vi prøve at aflæse og beskrive algoritmer, samt prøve kræfter med bevisførelse af både korrekthed og køretider.

Program

10:30 - 12:15 Oplæg ved DIKU’s Gymnasietjeneste
  • Kryptering og Bitcoins
  • Machine learning og Stance detection
  • Algoritmer
12:15 - 13:00 Frokost
13:00 - 14:30 Øvelser (vi deler os op i tre hold)
14:30 - 15:00 Fælles afslutning og introduktion til Datalogisk Institut
15:00 Tak for i dag