Adatstruktúrák és algoritmusok

A tantárgy angol neve: Data Structures and Algorithms

Adatlap utolsó módosítása: 2016. január 22.

Tantárgy lejárati dátuma: 2017. június 30.

Budapesti Műszaki és Gazdaságtudományi Egyetem
Villamosmérnöki és Informatikai Kar

Semmelweis Egyetem       
Egészségügyi Közszolgálati Kar       
Egészségügyi szervező alapszak       
ügyvitelszervező szakirány       
Kötelező tárgy       

Tantárgykód Szemeszter Követelmények Kredit Tantárgyfélév
VISZA062 2 2/2/0/v 4  
3. A tantárgyfelelős személy és tanszék Dr. Friedl Katalin,
4. A tantárgy előadója Dr. Friedl Katalin
6. Előtanulmányi rend
Kötelező:
TargyEredmeny( "BMEVIEEA025" ,  "jegy" , _ )   >= 2
ÉS TargyEredmeny( "BMEVIAUA069" ,  "jegy" , _ )   >= 2
NEM (Training.Code=("5N-A7")
VAGY Training.Code=("5N-A8")
VAGY Training.Code=("5N-M7")
VAGY Training.Code=("5N-M8")
VAGY TárgyEredmény( "BMEVISZA213" , "jegy" , _ ) >= 2
VAGY TárgyEredmény("BMEVISZA213", "FELVETEL", AktualisFelev()) > 0
VAGY TárgyEredmény( "BMEVISZAB01" , "jegy" , _ ) >= 2
VAGY TárgyEredmény("BMEVISZAB01", "FELVETEL", AktualisFelev()) > 0 )


ÉS
((TargyEredmeny( "BMEVIEEA025" , "jegy" , _ ) >= 2
ÉS TargyEredmeny( "BMEVIAUA069" , "jegy" , _ ) >= 2)
VAGY Training.code=("5N-MGAIN") )

A fenti forma a Neptun sajátja, ezen technikai okokból nem változtattunk.

A kötelező előtanulmányi rend az adott szak honlapján és képzési programjában található.

Ajánlott:

Kötelező: Programozás (VIAUA069)


7. A tantárgy célkitűzése

Az elméleti alapok, a szóhasználat és néhány széles körben használt algoritmus megismerése, az algoritmikus képességek fejlesztése, a nagy adathalmazok feldolgozását és értelmezését lehetővé tevő adatbányászati módszerek alapjainak megismerése.

8. A tantárgy részletes tematikája

Alapfogalmak: algoritmus, hatékonyság, nagyságrendek.

Rendezési algoritmusok: buborék, beszúrásos, összefésüléses, gyorsrendezés, láda- és radix-rendezés.

Adatszerkezetek: bináris fa, keresőfa, 2-3-fa, B-fa, hash.

Gráfok: tulajdonságok, gráfbejárások (BFS, DFS), irányított körmentes gráfok, PERT-módszer, minimális súlyú feszítőfa keresése, legrövidebb utak keresése, párosítások.

Adatbányászat: gyakori elemhalmazok, attribútumok közötti kapcsolatok, klaszterezés, adatbányászati feladatok a gyakorlatban.

9. A tantárgy oktatásának módja (előadás, gyakorlat, laboratórium)

Előadás, gyakorlat.

10. Követelmények

A szorgalmi időszakban: A félév során egy zárthelyi lesz a 9. héten.

A vizsgaidőszakban: A vizsgajegy a zárthelyi és a vizsgazárthelyi átlaga alapján keletkezik, 40%-tól elégséges, 55%-tól közepes, 70%-tól jó, 85%-tól jeles.

 

11. Pótlási lehetőségek

Pótzárthelyi a zárthelyi pótlására, illetve javítására (ugyanabból az anyagból) a 12. héten.

12. Konzultációs lehetőségek

Kérésre konzultációs lehetőséget biztosítunk.

13. Jegyzet, tankönyv, felhasználható irodalom

Rónyai L., Ivanyos G., Szabó R.: Algoritmusok (Typotex, 2005)

 

T.H. Cormen, .C.E: Leiserson, R.L. Rivest, C. Stein: Új algoritmusok (Scolar Kiadó, 2003)

Bodon Ferenc: Adatbányászati algoritmusok

(http://www.mit.bme.hu/~bodon/magyar/adatbanyaszat/tanulmany).

 

 

 

14. A tantárgy elvégzéséhez átlagosan szükséges tanulmányi munka
Kontakt óra56
Félévközi készülés órákra28
Felkészülés zárthelyire12
Házi feladat elkészítése0
Kijelölt írásos tananyag elsajátítása0
Vizsgafelkészülés24
Összesen120
15. A tantárgy tematikáját kidolgozta Dr. Friedl Katalin egyetemi docens, SZIT