Siirry suoraan sisältöön

Tietorakenteet ja algoritmit (5 op)

Toteutuksen tunnus: 5G00EU64-3002

Toteutuksen perustiedot


Ilmoittautumisaika

15.11.2021 - 16.01.2022

Ajoitus

03.01.2022 - 29.04.2022

Laajuus

5 op

Toteutustapa

Lähiopetus

Yksikkö

Tietotekniikka

Toimipiste

TAMK Pääkampus

Opetuskielet

  • Suomi

Koulutus

  • Tietotekniikan tutkinto-ohjelma

Opettaja

  • Erkki Hietalahti

Vastuuhenkilö

Erkki Hietalahti

Ryhmät

  • 20I224
    Ohjelmistotekniikka

Tavoitteet (OJ)

Opiskelija tutustuu opintojakson aihepiirin peruskäsitteisiin ja menetelmiin. Hänelle tulee tutuksi kurssilla läpikäytävät perustietorakenteet ja algoritmit. Edellisten soveltaminen tyypillisiin käyttötapauksiin käydään lävitse.

Sisältö (OJ)

Tietorakenteisiin ja algoritmeihin liittyvät peruskäsitteet. Perustietorakenteet: pinot, jonot, listat, puut ja verkot. Käydään lävitse keskeiset etsintä- ja lajittelualgoritmit sekä puiden ja verkkojen hyödyntämiseen liittyvät algoritmit. Hajautus.

Arviointikriteerit, tyydyttävä (1-2) (OJ)

Opiskelija
-tuntee algoritmeja
-tunnistaa osan perustietorakenteista kuten pinot, jonot, listat, puut ja verkot
-osaa soveltaa opintojakson asioita avustettuna

Arviointikriteerit, hyvä (3-4) (OJ)

Opiskelija
-tuntee algoritmeja kuten keskeiset etsintä- ja lajittelualgoritmit sekä puiden ja verkkojen hyödyntämiseen liittyvät algoritmit
-tunnistaa perustietorakenteet kuten pinot, jonot, listat, puut ja verkot
-tuntee hajautuksen periaatteet
-osaa soveltaa opintojakson asioita

Arviointikriteerit, kiitettävä (5) (OJ)

Opiskelija osaa em. asiat erinomaisella tasolla ja sujuvasti. Lisäksi opiskelija
-osaa soveltaa tieotorakenteita ja algoritmeja sujuvasti ja tarkoituksenmukaisesti tietojärjestelmien rakentamisessa
-omaa kykyä kehittää omia variantteja tietorakenteista tarpeen mukaan ja löytää käyttöön sopivimpia valmistietorakenteita/-algoritmeja

Aika ja paikka

Tarkista tämä lukkarikoneesta / pakista / tuudosta. Lukujärjestykseen on merkitty opetuksen aika ja paikka. Mikäli keväällä siirrytään etäopetukseen jaan kaikille kalenterikutsuna käyttöön koko kevään etäopetussessioiden linkit.

Tenttien ja uusintatenttien ajankohdat

Kurssilla ei ole tenttiä.

Arviointimenetelmät ja arvioinnin perusteet

Kurssisuoritus arvioidaan harjoitusaktiivisuuden ja tehtyjen
harjoitustöiden perusteella. Molemmat kokonaisuudet arvioidaan
asteikolla 0-5 olevalla pistemäärällä ja kurssiarvosana on näiden kahden pistemäärän
keskiarvo ylöspäin pyöristettynä.
Harjoitusaktiivisuuden arvioinnissa käytetään seuraavaa asteikkoa:
- tehtäviä tehtynä 0 - 20 % kaikista => pistemäärä on 0
- tehtäviä tehtynä 20 - 35 % kaikista => pistemäärä on 1
- tehtäviä tehtynä 35 - 50 % kaikista => pistemäärä on 2
- tehtäviä tehtynä 50 - 65 % kaikista => pistemäärä on 3
- tehtäviä tehtynä 65 - 80 % kaikista => pistemäärä on 4
- tehtäviä tehtynä 80 % kaikista => pistemäärä on 5
Harjoitustöitä tulee olemaan 3 kpl; kukin arvioidaan jälleen
asteikolla 0 - 5 olevalla pistemäärällä ja kaikkinensa harjoitustöistä
saatava pistemäärä on näiden kolmen pistemäärän keskiarvo ylöspäin
pyöristettynä. Kunkin harjoitustyön osalta vaatimukset eri pistemääriä
varten spesifioidaan erikseen. Periaatteena on se, että mitä enemmän töitä
on tehty harjoitustyön eteen sitä enemmän siitä saa pisteitä. Harjoitustyön
ominaisuudet annetaan inkrementteinä, missä yhden uuden inkrementin tekeminen edellyttää aina
lisää töitä ja inkrementit tehdään tietyssä loogisessa järjestyksessä. Harjoitustöissä sovelletaan opetettuja asioita ja hyödynnetään tehtyjä kotitehtäviä.

Arviointiasteikko

0-5

Opiskelumuodot ja opetusmenetelmät

Kolmen tunnin blokki aloitetaan purettavien kotiharjoitusten läpikäynnillä. Tämän jälkeen
käydään lävitse uudet teoria-asiat ja loppu aika käytetään
uusien kotitehtävien ja / tai harjoitustyön tekemiseen. Tässä vaiheessa
opettaja toimii konsulttina / valmentajana.

Oppimateriaalit

Kurssilla käydään lävitse soveltuvin osin seuraavassa oppikirjassa esitettyjä asioita:
Robert L. Kruse, Alexander J. Ryba: Data Structures and Program Design in C++.
Prentice Hall 1999.
Muuta oheislukemistoa:
Clifford A. Shaffer: A Practical Introduction to Data Structures and Algorithm Analysis.
Second Edition. Prentice Hall 2001.
William Ford, William Topp: Data Structures with C++ Using STL. Second Edition. Prentice Hall 2002.
Data Structures and Algorithm Analysis in C
Mark Allen Weiss
The Benjamin/Cummings Publishing Company, Inc.
1993
Data Structures and Algorithm Analysis in C++,
2. edition
Mark Allen Weiss
Addison-Wesley
February 1999
Tietorakenteet ja algoritmit
Ilkka Kokkarinen ja Kirsti Ala-Mutka
Satku – Kauppakaari
2000
Kurssin materiaalit julkaistaan moodleen tälle kurssille varatulle
alueelle. Moodlen käyttöä harjoitellaan kurssin ensimmäisten
kokoontumisten aikana siten, että oppilas saa tarvittavat tiedot
moodlesta tämän kurssin tarpeisiin. Kurssin
luento-/tehtävämateriaali on englanninkielistä samoin kuin kurssin
oppikirja.

Opiskelijan ajankäyttö ja kuormitus

Ks. edellä. Itsenäiseen / ryhmätyöskentelyyn oppituntien ulkopuolella on syytä varata aikaa noin kaksi kertaa sen verran kuin lähiopetukseen kurssin asioiden omaksumiseksi.

Sisällön jaksotus

Läpikäytäviä aihealueita – aiheet ovat suoraan kurssin oppikirjan lukuja:
- Programming Principles
- Introduction to Stacks
- Queues
- Linked Stacks and Queues
- Recursion
- Lists
- Searching
- Sorting
- Binary Trees
Kurssin aikataulu ja sisällön jaksotus kerrotaan erillisessä Excel-tiedostossa, joka julkaistaan moodleen.

Arviointikriteerit - hylätty (0) (Ei käytössä, kts Opintojakson Arviointikriteerit ylempänä)

Ei kykene selviytymään annetuista tehtävistä edes avustettuna.

Arviointikriteerit - tyydyttävä (1-2) (Ei käytössä, kts Opintojakson Arviointikriteerit ylempänä)

Osaa esimerkkien ja malliratkaisujen avulla suoriutua annetuista tehtävistä auttavasti ja/tai tyydyttävästi.

Arviointikriteerit - hyvä (3-4) (Ei käytössä, kts Opintojakson Arviointikriteerit ylempänä)

Hallitsee kokonaisuuden ja osaa soveltaa esimerkkejä monipuolisesti.

Arviointikriteerit - kiitettävä (5) (Ei käytössä, kts Opintojakson Arviointikriteerit ylempänä)

Osaa kekseliäästi yhdistää tietoja uusien innovaatioiden luomiseksi ja osaa analysoida omia ratkaisujaan kriittisesti ja osaa kertoa mitä niihin voisi lisätä paremman tuloksen saavuttamiseksi.