Eðlisfræði 1 R (EÐL107G)

Nemendum eru kynntar aðferðir og grundvallarlögmál aflfræði, bylgjufræði og varmafræði til þeirrar hlítar að þeir geti beitt þeim við lausn dæma. 

Námsefni: Hugtök, einingar, tölur, víddir. Vigrar. Gangfræði. Hreyfifræði agna, tregða, kraftar og lögmál Newtons. Núningur. Vinna og orka og varðveisla orkunnar. Skriðþungi, árekstrar. Agnakerfi, massamiðja. Snúningur stjarfhlutar. Hverfiþungi og hverfitregða. Stöðufræði. Þyngd. Storka og straumefni, jafna Bernoullis. Sveiflur: Hreinar, deyfðar og þvingaðar. Bylgjur. Hljóð. Hitastig. Kjörgas. Varmi og fyrsta lögmál varmafræðinnar. Kvikfræði gasa. Óreiða og annað lögmál varmafræðinnar.

Athugið að kennslubókin fyrir námskeiðið er aðgengileg nemendum í gegnum Canvas án endurgjalds.

Verkleg eðlisfræði 1 R (EÐL108G)

Gerðar eru 4 verklegar æfingar, þar sem áhersla er lögð á að kynna nemendum verklag við gagnasöfnun og gagnavinnslu. Viðfangsefnin eru einkum sótt í aflfræði, og þurfa nemendur að skila vinnubókum fyrir allar æfingarnar og einni lokaskýrslu, sem er meira í stíl vísindatímaritsgreinar.

Línuleg algebra A (STÆ106G)

Fjallað er um undirstöðuatriði línulegar algebru yfir rauntölurnar með áherslu á fræðilegu hliðina.

Viðfangsefni: Línuleg jöfnuhneppi,fylkjareikningur, Gauss-eyðing og Gauss-Jordan-aðferð.  Vigurrúm og hlutrúm þeirra.  Línulega óháð hlutmengi, grunnar og vídd.  Línulegar varpanir, myndrúm og kjarni.  Depilmargfeldi, lengd og horn.  Rúmmál í margvíðu hnitarúmi og krossfeldi í þrívíðu.  Flatneskjur og stikaframsetning þeirra.  Hornrétt ofanvörp og þverstaðlaðir grunnar.  Aðferð Grams og Schmidts.  Ákveður og andhverfur fylkja.  Eigingildi, eiginvigrar og hornalínugerningur.

Tölvunarfræði 1a (TÖL105G)

Einingar til BS-prófs gilda aðeins fyrir annaðhvort TÖL101G Tölvunarfræði 1 eða TÖL105G Tölvunarfræði 1a.

Forritun í Python (sniðið að verkfræðilegum og raunvísindalegum útreikningum): Helstu skipanir og setningar (útreikningur, stýri-setningar, innlestur og útskrift), skilgreining og inning falla, gagnatög (tölur, fylki, strengir, rökgildi, færslur), aðgerðir og innbyggð föll, vigur- og fylkjareikningur, skráavinnsla, tölfræðileg úrvinnsla, myndvinnsla. Hlutbundin forritun: klasar, hlutir, smiðir og aðferðir. Hugtök tengd hönnun og smíði tölvukerfa: Forritunarumhverfi, vinnubrögð við forritun, gerð falla- og undirforritasafna og tilheyrandi skjölun, villuleit og prófun forrita.

Stærðfræðigreining IA (STÆ101G)

Talnakerfin. Rauntölur og hugtökin efra mark og neðra mark, tvinntölur. Mengi náttúrulegra talna og þrepasannanir. Föll og varpanir. Runur og runumarkgildi. Raðir. Samleitnipróf og skilorðsbundin samleitni raðar. Markgildi og samfelld föll. Helstu eiginleikar samfelldra falla. Hornaföll. Diffrun. Helstu reglur um diffrun. Útgildi. Meðalgildissetningin. Nálgun diffranlegra falla með margliðum. Tegrun. Tengsl tegrunar og diffrunar. Ýmis algeng föll. Ýmsar aðferðir til að reikna út stofnföll. Veldaraðir. Fyrsta stigs diffurjöfnur. Tvinngild föll og annars stigs diffurjöfnur.

Stærðfræðigreining I (STÆ104G)

Rauntölur. Markgildi og samfelld föll. Deildanleg föll, reglur um afleiður, afleiður af hærri röð, stofnföll. Notkun deildareiknings: Útgildisverkefni, línuleg nálgun. Torræð föll. Meðalgildissetning, setningar l'Hôpitals og Taylors. Heildun: Ákveðin heildi og reiknireglur fyrir þau. Undirstöðusetning deilda- og heildareikningsins. Heildunartækni, óeiginleg heildi. Notkun heildareiknings: Bogalengd, flatarmál, rúmmál, þungamiðjur. Runur og raðir, samleitnipróf. Veldaraðir, Taylor-raðir. Venjulegar afleiðujöfnur: Aðskiljanlegar og einsleitar afleiðujöfnur fyrstu raðar, línulegar afleiðujöfnur fyrstu raðar, línulegar afleiðujöfnur annarrar raðar með fastastuðlum.

Tölvunarfræði 2 (TÖL203G)

Námskeiðið mun nota forritunarmálið Java. Fjallað er um gagnaskipan, reiknirit og huglæg gagnatög. Meðal gagnaskipana, sem farið er yfir, eru listar, hlaðar, biðraðir, forgangsbiðraðir, tré, tvítré, tvíleitartré og hrúgur auk viðkomandi reiknirita. Kynnt verða ýmis leitar- og röðunarreiknirit. Reiknirit eru greind, hvað þau taka langan tíma í vinnslu og hve mikið minnisrými. Forritunarverkefni, sem nota áðurnefnda gagnaskipan og reiknirit, eru leyst í Java. Mörg lítil forritunarverkefni verða í námskeiðinu.

Tölvur, stýrikerfi og tölvufærni (TÖL205G)

Í þessu námskeiði er snert á mörgum hlutum sem tengjast tölvufærni. Markmið námskeiðsins er að kynna nemandann fyrir mörgum hugtökum án þess þó að kafa djúpt í hvert hugtak.

Kynning á stýrikerfinu Unix. Skipulag skráakerfis, helstu hjálparforrit, gluggakerfi, skipanalínuvinnsla og skeljarforritun. Einnig er farið yfir ritla í skelinni og höndlun gagna í henni. Farið er yfir útgáfustjórnunarkerfi eins og Git, notkun aflúsunaraðferða og aðferða til að byggja hugbúnað. Farið er yfir algeng hugtök í dulmálsfræðum og kynnt eru hugtök á borð við sýndarvélar og gáma.

Líkindareikningur og tölfræði (STÆ203G)

Fjallað er um frumatriði líkinda- og tölfræði á grundvelli einfaldrar stærðfræðigreiningar.

Viðfangsefni:  
Útkomurúm, atburðir, líkindi, jöfn líkindi, óháðir atburðir, skilyrt líkindi, Bayes-regla. Slembistærð, dreififall, þéttleiki, samdreifing, óháðar stærðir, skilyrt dreifing. Væntigildi, miðgildi, dreifni, staðalfrávik, samdreifni, fylgni, lögmál mikils fjölda. Bernoulli-, tvíkosta-, Poisson-, jöfn-, veldis- og normleg stærð. Höfuðmarkgildisreglan. Poisson-ferli. Úrtak, lýsistærð, dreifing meðaltals og dreifing úrtaksdreifni í normlegu úrtaki. Punktmat, sennileikametill, meðalferskekkja, bjagi. Bilmat og tilgátupróf fyrir normleg, tvíkosta- og veldisúrtök. Einföld aðhvarfsgreining. Mátgæði og tengslatöflur.

Stærðfræðigreining II (STÆ205G)

Opin mengi og lokuð. Varpanir, markgildi og samfelldni. Deildanlegar varpanir, hlutafleiður og keðjuregla. Jacobi-fylki. Stiglar og stefnuafleiður. Blandaðar hlutafleiður. Ferlar. Vigursvið og streymi. Sívalningshnit og kúluhnit. Taylor-margliður. Útgildi og flokkun stöðupunkta. Skilyrt útgildi. Fólgin föll og staðbundnar andhverfur. Ferilheildi, stofnföll. Heildun falla af tveimur breytistærðum. Óeiginleg heildi. Setning Greens. Einfaldlega samanhangandi svæði. Breytuskipti í tvöföldu heildi. Margföld heildi. Breytuskipti í margföldu heildi. Heildun á flötum. Flatarheildi vigursviðs. Setningar Stokes og Gauss.

Inngangur að líkindafræði (STÆ210G)

Þetta er viðbót við námskeiðið "Líkindareikningur og tölfræði" STÆ203G. Farið er ítarlegar í frumatriði líkindafræðinnar með áherslu á skilgreiningar og sannanir. Námskeiðið er undirbúningur fyrir M-námskeiðin tvö í líkindafræði og M-námskeiðin tvö í tölfræði sem kennd eru á víxl annað hvert ár.

Viðfangsefni umfram þau sem koma við sögu í líkindahluta STÆ203G:

Skilgreining Kolmogorovs. Útleiðslur á reglum um samsetta atburði og skilyrt líkindi. Útleiðsla fyrir strjálar og samfelldar stærðir á reglum um væntigildi, dreifni, samdreifni, fylgni, og skilyrt væntigildi og dreifni. Útleiðslur á reglum um Bernoulli-, tvíkosta-, Poisson-, jafnar, veldis-, normlegar og gamma-stærðir. Útleiðsla á halasummureglu væntigildis og útleiðsla á væntigildi strjálu veldisstærðarinnar. Útleiðsla á reglunni um minnisleysi og veldisstærðir. Útleiðsla á dreifingum summu óháðra stærða s.s. tvíkosta-, Poisson-, normlegra og gamma-stærða. Líkinda- og vægisframleiðsluföll.

Aflfræði (EÐL302G)

Markmið: Að kynna nemendum hugtök og aðferðir aflfræðigreiningar, sem beitt er í ýmsum greinum verkfræði og eðlisfræði.

Námsefni: Aflfræði Newtons, línulegar sveiflur, deyfðar og þvingaðar sveiflur. Ólínulegar sveiflur og ringl (chaos). Þyngdarsvið, þyngdarmætti og sjávarfallakraftar. Hnikareikningur, regla Hamiltons, jöfnur Lagrange og Hamiltons, alhnit og skorður. Miðlæg svið, brautir reikistjarna, stöðugleiki hringbrauta. Árekstrar massaagna í viðmiðunarkerfum vinnustofu og massamiðju. Tregðukerfi og önnur viðmiðunarkerfi hreyfingar, gervikraftar. Aflfræði stjarfra hluta, tregðufylki, höfuðásar hverfitregðu, horn Eulers, jöfnur Eulers um áhrif vægis á snúning hlutar, snúðhreyfing og stöðugleiki hennar. Tengdar sveiflur, eigintíðni og eiginhnit sveiflukerfa.

Töluleg línuleg algebra (STÆ511M)

Ítrekunaraðferðir fyrir jöfnuhneppi.  Ýmsar þáttanir fylkja eins og QR, Cholesky, Jordan, Schur, rófþáttun og sérstöðupunktaþáttun (SVD) og hagnýtingar þeirra.  Strjál Fourierummyndun (DFT) og hröð algrím til framkvæmdar hennar (FFT).  Strjál Kósínusummyndun (DCT) í tvívídd og hagnýtingar í þjöppun hljóðs (MP3, AAC) og mynda (JPEG).  Rýr fylki og framsetning á þeim.

Sérstök áhersla verður lögð á hagnýtingu þeirra efnisatriða sem farið er í og tölulegar aðferðir.

Tölulegar lausnir á hlutafleiðujöfnum (STÆ537M)

Markmið námskeiðsins er að kynna aðferðir til tölulegrar úrlausnar á hlutafleiðujöfnum og forritun þeirra. 

Viðfangsefni:

Fleyggerar hlutafleiðujöfnur (varmajafnan), breiðgerar hlutafleiðujöfnur (bylgjujafnan) og sporgerar hlutafleiðujöfnur (Poisson- og Laplace jafnan).  Mismunaaðferðir, samleguaðferðir og bútaaðferðir.  Stöðugleiki lausnaraðferða, CFL skilyrðið og Crank-Nicolson skemað. Ólínulegar hlutafleiðujöfnur og Turing-mynstur.  Samband slembigangs og Poisson/Laplace hlutafleiðujafna.

Stærðfræðigreining III (STÆ302G)

Í námskeiðinu er fjallað undistöðuatriði um tvö svið
stærðfræðigreiningar, tvinnfallagreiningu og afleiðujöfnur, með áherslu á hagnýtingu og útreikninga á lausnum.

Viðfangsefni: Tvinntölur og varpanir á svæðum í tvinntalnasléttunni. Föll af einni tvinnbreytistærð. Fáguð föll. Veldisvísisfallið, lograr, rætur og horn. Cauchy-setningin og Cauchy-formúlan. Samleitni í jöfnum mæli. Veldaraðir. Laurent-raðir. Leifareikningur. Hagnýtingar á tvinnfallagreiningu í straumfræði. Venjulegar afleiðujöfnur og afleiðujöfnuhneppi. Línulegar afleiðujöfnur  með fastastuðlum. Ýmsar aðferðir til að reikna út sérlausnir. Green-föll fyrir upphafsgildisverkefni. Línuleg
afleiðujöfnuhneppi. Veldisvísisfylkið. Veldaraðalausnir og aðferð Frobeniusar. Laplace-ummyndun og notkun hennar við lausn á afleiðujöfnum. Leifaformúlur fyrir Fourier-myndir og andhverfar Laplace-myndir.

Gagnasafnsfræði (TÖL303G)

Gagnasöfn og gagnasafnskerfi. Einindavenslalíkanið. Töflulíkanið og töflualgebra. SQL fyrirspurnarmálið. Hagkvæmni geymsluaðferða og úrvinnsluaðferða. Fallákveður, lyklar og staðalskipulag gagna í venslalíkaninu. Bestun fyrirspurna. Hreyfingar, samhliða vinnsla hreyfinga og læsingar. Endurbygging gagnasafna. Öryggi gagnasafna og aðgangsheimildir. Vöruhús gagna.

Inngangur að skammtafræði (EÐL306G)

Markmið: Í þessu námskeiði er fjallað um undirstöðuatriði skammtafræðinnar og henni jafnframt beitt á nokkur mikilvæg dæmi.

Námsefni: Aðdragandi skammtafræðinnar, jafna Schrödingers, líkindatúlkun bylgjufallsins, stöðlun, skriðþungi og óvissulögmál, sístæð ástönd, einvíð skammtakerfi. Jafna Schrödingers í kúluhnitum, vetnisfrumeindin, hverfiþungi og spuni. Einsetulögmál Paulis. Útgeislun og ísog, sjálfgeislun. Stærðfræðileg undirstaða: Línuleg algebra, virkjar og mælanlegar stærðir.

Gervigreind (REI505M)

Fjallað er um hugtök, aðferðir og reiknirit á sviði gervigreindar, með áherslu á studdan og óstuddan lærdóm. Forvinnsla og myndræn framsetning gagna. Mat á gæðum líkana og val á líkönum. Línuleg aðhvarfsgreining, næstu nágrannar, stoðvigravélar, tauganet, ákvarðanatré og safnaðferðir. Djúpur lærdómur. Þyrpingagreining og k-means aðferðin. Nemendur útfæra einföld reiknirit í Python og læra á sérhæfða forritspakka. Námskeiðinu lýkur með hagnýtu verkefni.

Straumfræði 1 (UMV502G)

Í námskeiðinu er nemendum veitt undirstöðuþekking í straumfræði. Fræðilegur grunnur kvikefna og rennslis er settur fram. Grunnjöfnur straumfræðinnar eru leiddar út og notaðar til lausnar verkefna. Nemendur gera verklegar æfingar.

Straumfræði (VÉL502G)

Markmið:

1. Að kynna helstu hugtök straumfræðinnar og koma nemendum í skilning um hvernig stærðfræði er beitt við flókin viðfangsefni og hvernig hægt er að fá nálgunarlausnir með einföldun án þess að tapa miklu í nákvæmni.

2. Að gera nemendur færa um að beita straumfræðinni til þess að reikna mótstöðu hluta og þrýstifall í pípum.

3. Að þjálfa þá í að beita mæliaðferðum í straumfræði.

4. Að beita þverfaglegri þekkingu á helstu sviðum vélaverkfræðinnar.

Námsefni m.a.: Eiginleikar kvikefna (vökva og lofttegunda). Þrýstingur og kraftasvið í kyrrstæðum vökvum, þrýstingsmælar. Rennslisfræði, samfellujafna, skriðþunga- og orkujafna. Hreyfijafna Bernoullis. Víddargreining og líkanlögmál. Tvívítt streymi, seigjulausir vökvar, jaðarlög, lag- og iðustreymi, vökvamótstaða og formviðnám. Streymi þjappanlegra vökva, hljóðhraði, Mach tala, hljóðbylgjur, lögun túðu fyrir yfirhljóðhraða. Rennsli í opnum og lokuðum farvegum. Dæmaæfingar og verklegar tilraunir.

Kennileg töluleg greining (STÆ412G)

Þetta er viðbót við námskeiðið "Töluleg greining" STÆ405G. Farið er ítarlegar og fræðilegar í efnið sem tekið er fyrir í Tölulegri greiningu (STÆ405G) með áherslu á sannanir.

Mengi og firðrúm (STÆ202G)

Mengjafræði: Vensl; jafngildisvensl og raðvensl. Teljanleg mengi og óteljanleg. Samstétta mengi. Uppbygging talnakerfanna. Frumatriði um firðrúm: Opin mengi og lokuð, samleitnar runur og Cauchy-runur, þéttipunktar. Samfelldni og samfelldni í jöfnum mæli. Samleitni og samleitni í jöfnum mæli. Fallarunur og fallaraðir. Þjöppuð firðrúm. Samhangandi mengi. Fullkomin firðrúm og fullkomnun firðrúms. Fastapunktssetning Banachs; tilvistarsetning um afleiðujöfnu fyrstu raðar. Kennslubækur ákveðnar síðar.

Stærðfræðigreining IV (STÆ401G)

Markmið: Að kynna fyrir nemendum Fourier-greiningu og hlutafleiðujöfnur og hagnýtingu á þeim.

Lýsing: Fourier-raðir og þverstöðluð fallakerfi, jaðargildisverkefni fyrir venjulega afleiðuvirkja, eigingildisverkefni fyrir Sturm-Liouville-virkja, Fourier-ummyndun, bylgjujafnan, varmaleiðnijafnan og Laplace-jafnan leystar á ýmsum svæðum í einni, tveimur og þremur víddum með aðferðum úr fyrri hluta námskeiðsins, aðskilnaður breytistærða, grunnlausn, Green-föll, speglunaraðferðin.

Töluleg greining (STÆ405G)

Einingar til BS-prófs gilda aðeins fyrir annaðhvort REI201G Stærðfræði og reiknifræði eða STÆ405G Töluleg greining.

Undirstöðuhugtök um nálgun og skekkjumat. Lausn línulegra og ólínulegra jöfnuhneppa. PLU-þáttun. Margliðubrúun, splæsibrúun og aðhvarfsgreining. Töluleg nálgun afleiða og heilda. Útgiskun. Töluleg lausn upphafshafsgildisverkefna fyrir venjuleg afleiðujöfnuhneppi. Fjölskrefaaðferðir. Töluleg lausn jaðargildisverkefna fyrir venjulegar afleiðujöfnur.

Gefin er einkunn fyrir skriflegar úrlausnir á forritunarverkefnum og vegur hún 30% af heildareinkunn. Stúdent verður að hafa lágmarkseinkunn 5 bæði fyrir verkefni og lokapróf.

Rafsegulfræði 1 (EÐL401G)

Rafstöðufræði. Jöfnur Laplace og Poissons. Segulstöðufræði. Span. Jöfnur Maxwells. Orka rafsegulsviðs. Setning Poyntings. Rafsegulbylgjur. Sléttar bylgjur í einangrandi og leiðandi efni. Endurkast og brot bylgna. Útgeislun. Dreifing. Dofnun.

Inngangur að kerfislíffræði (LVF601M)

Kerfislíffræði er þverfaglegt svið sem rannsakar líffræðileg fyrirbæri byggt á samverkandi líffræðilegum þáttum. Í kerfislíffræði er sérstök áhersla lögð á það hvernig líffræðileg kerfi breytast yfir tíma. Í þessu námskeiði munum við fjalla sérstaklega um þá þætti kerfislíffræðinnar sem snúa að heilsu og sjúkdómum manna.

Þetta námskeið mun kynna 1) notkun líkana fyrir líffræðileg ferli (bæði genastjórnunarlíkön og efnaskiptalíkön); 2) frumulíffræðileg fyrirbæri sem stuðla að samvægi (e. homeostasis), t.d. þroskun vefja og seiglu örvera og 3) greiningu á sameindamynstri sem finnast í stórum erfðagreiningargögnum, sem tengjast sjúkdómum í mönnum og geta nýst í flokkun sjúklinga og uppgötvun lífmerkja. Þannig mun námskeiðið fjalla um notkun kerfislíffræðilegra aðferða á þremur helstu stigum líffræðinnar, þ.e. á sameindum, frumum og lífverum.

Námskeiðið felur í sér lestur og túlkun vísindagreina, útfærslu reiknirita, vinnslu á rannsóknarverkefni og kynningu á vísindalegum niðurstöðum.

Fyrirlestrar munu samanstanda af bæði (1) kynningu á grunnhugtökum kerfislíffræðinnar og (2) tölvukennslu þar sem Python forritunarmálið er notað. Námskeiðið verður kennt á ensku.

Algebra (STÆ303G)

Grúpur, dæmi og helstu undirstöðuatriði. Samhverfugrúpur. Mótanir og normlegar hlutgrúpur. Baugar, dæmi og helstu undirstöðuatriði. Heilbaugar. Baugamótanir og íðul. Margliðubaugar og þáttun margliða. Valin viðfangsefni.

Aðgerðagreining (IÐN401G)

Í námskeiðinu er nemendum kynnt hvernig gera á skipulega mynd af ákvörðunar- og bestunarverkefnum í aðgerðagreiningu.
Að námskeiði loknu eiga nemendur að hafa færni í að setja upp, greina og leysa stærðfræðileg líkön sem standa fyrir raunhæfum verkefnum og hvernig meta eigi lausn þeirra á gagnrýninn hátt. Tekin eru fyrir línuleg bestun og Simplex aðferðin, auk skyld fræðileg efni.
Námskeiðið kynnir auk þess stærðfræðileg líkön fyrir einstök verkefni; flutningsverkefni, úthlutunarverkefni, netverkefni og heiltölubestun. Nemendur kynnast einnig sérhæfðu forritunarmáli við líkangerð fyrir línulega bestun.

Samæfingar í stærðfræði (STÆ402G)

Ætlast er til að nemendur hafi lokið a.m.k. 120 ECTS einingum. Nemendur sem ekki hafa lokið 120 ECTS einingum og hafa áhuga á að taka námskeiðið þurfa að fá samþykki umsjónarmanns.

Stúdentar skila ritgerðum og halda fyrirlestra um valin efni.

Gervigreind (REI505M)

Fjallað er um hugtök, aðferðir og reiknirit á sviði gervigreindar, með áherslu á studdan og óstuddan lærdóm. Forvinnsla og myndræn framsetning gagna. Mat á gæðum líkana og val á líkönum. Línuleg aðhvarfsgreining, næstu nágrannar, stoðvigravélar, tauganet, ákvarðanatré og safnaðferðir. Djúpur lærdómur. Þyrpingagreining og k-means aðferðin. Nemendur útfæra einföld reiknirit í Python og læra á sérhæfða forritspakka. Námskeiðinu lýkur með hagnýtu verkefni.

Kennileg línuleg tölfræðilíkön (STÆ310M)

Einföld og fjölvíð aðhvarfsgreining, fervikagreining og samvikagreining, ályktanir, dreifni og samdreifni metla, mátpróf með frávika- og áhrifagreiningu, samtíma ályktanir. Almenn líkuleg líkön sem ofanvörp, fervikagreining sem sértilvik, samtíma öryggismörk á samanburðarföll. R notað í verkefnum. Lausnum verkefna er skilað i LaTeX og PDF.

Til viðbótar  er tekið efni eftir vali, t.d. útvíkkuð línuleg líkön (GLM), ólínuleg aðhvarfsgreining og/eða slembiþáttalíkön (random/mixed effects models) og/eða skóreimaaðferðir (bootstrap) o.s.frv.

Nemendur kynna lausnir verkefna, sem áður hefur verið skilað inn í gegnum vefsíðu.

Námskeiðið er kennt þegar ártalið er slétt tala.

Hagnýtt línuleg tölfræðilíkön (STÆ312M)

Í námskeiðinu er fjallað um einfalda og fjölvíða aðhvarfsgreiningu ásamt fervikagreiningu (ANOVA) og samvikagreiningu (ANCOVA). Að auki er farið í tvíkosta aðhvarfsgreiningu (binomial regression) og rætt um hugtök því tengt, svo sem gagnlíkindi (odds) og gagnlíkindahlutfall (odds ratio).
Námskeiðið er framhald af dæmigerðu grunnnámskeiði í tölfræði sem kennd eru á hinum ýmsu sviðum skólans. Farið verður í aðferðir til að meta stika í línulegum líkönum, hvernig smíða má öryggisbil og kanna tilgátur fyrir stikana, hverjar forsendur líkananna eru og hvað hægt sé að gera sé þeim ekki fullnægt. Verkefni eru unnin í tölfræðihugbúnaðinum R.

Netafræði (STÆ520M)

Net, netamótanir og netaeinsmótanir. Hlutnet, spannandi hlutnet. Vegir, tengd net. Örvanet. Tvíhlutanet. Euler-net og Hamilton-net; setningar Chvátals, Pósa, Ores og Diracs. Keppnisnet. Tré, spannandi tré, trjáfylkjasetningin, Cayley-setningin. Vegin net, reiknirit Kruskals og Dijkstra. Flæðinet, setning um hámarksflæði og lágmarkssnið, Ford-Fulkerson-reikniritið, Menger-setningin. Spyrðingar, Berge-setningin, giftingarsetning Halls, König-Egerváry-setningin, Kuhn-Munkres-reikniritið. Óaðskiljanleg net, tvítengd net. Lagnet, Euler-formúla, Kuratowski-setningin, nykurnet. Greypingar neta í fleti, Ringel-Youngs-Mayer-setningin. Litanir, litunarsetning Heawoods, Brooks-setningin, litamargliða; leggjalitanir, Vizing-setningin.

Dreififöll (STÆ523M)

Fjallað er um undirstöðuatriði um dreififöll og hagnýtinga um hlutafleiðujöfnur.

Viðfangsefni: Prófunarföll, dreififöll, deildun dreififalla, samleitni runa af dreififöllum, Taylor-liðun í mörgum breytistærðum, staðbinding, dreififöll með þjappaða stoð, margföldun falla og dreififalla, samskeyting varpana og dreififalla, földun dreififalla, grunnlausnir, Fourier-ummyndun, Fourier-raðir, grunnlausnir og Fourier-ummyndun.

Inngangur að rökfræði (STÆ528M)

Röksemdafærslur, sannanir. Samtengingar, fullyrðingareikningur, sannföll og sísönnur. Formleg mál, frumsendur, rökreglur, sísönnusetningin. Magnarar. Mál og kenningar fyrstu stéttar. Mynstur og líkön. Fullkomleikasetningin. Setning Löwenheims og Skolems. Reiknanleiki, rakin föll. Setning Gödels.

Hagnýt Bayesísk tölfræði (STÆ529M)

Markmið: Að kenna nemendum að beita ýmsum aðferðum úr Bayesískri tölfræði fyrir greiningu gagna. Námsefni: Fræðileg undirstaða Bayesískrar ályktunartölfræði, fyrirframdreifingar, gagnadreifingar og eftirádreifingar. Bayesísk ályktunartölfræði fyrir stika í einvíðum og margvíðum líkindadreifingum: tvíkosta-; normal-; Possion; veldis-; margvíð normal-; fjölkostadreifing.  Mat á gæðum líkans og samanburður á líkönum: Bayesísk p-gildi; deviance information criterion (DIC). Bayesísk hermun: Markov keðju Monte Carlo (MCMC) aðferðir; Gibbs sampler; Metropolis-Hastings skref; mat á samleitni. Línuleg líkön: normal línuleg líkön; stigskipt normal línuleg líkön; almenn línuleg líkön. Áhersla á greiningu gagna með forritum eins og Matlab og R.

Formleg mál og reiknanleiki (TÖL301G)

Endanlegar stöðuvélar, regluleg mál og málskipan, staflavélar, samhengisóháð mál og málskipan, Turingvélar, almenn mál og málskipan og helstu eiginleikar þeirra.

Ávarðanleg og listanleg mál, yfirfærsla milli mála, tengsl við ákvörðnarverkefni og sönnun á óleysanleika slíkra verkefna. Flækjustigsflokkarnir P og NP og NP-fullkomleiki. Dæmi um ýmis líkön af reiknanleika.

Gagnasafnsfræði (TÖL303G)

Gagnasöfn og gagnasafnskerfi. Einindavenslalíkanið. Töflulíkanið og töflualgebra. SQL fyrirspurnarmálið. Hagkvæmni geymsluaðferða og úrvinnsluaðferða. Fallákveður, lyklar og staðalskipulag gagna í venslalíkaninu. Bestun fyrirspurna. Hreyfingar, samhliða vinnsla hreyfinga og læsingar. Endurbygging gagnasafna. Öryggi gagnasafna og aðgangsheimildir. Vöruhús gagna.

Fjölbreytileg nálgun á stærðfræðikennslu í framhaldsskólum (SNU503M)

Námskeiðið verður næst kennt haustið 2024. Það er að öllu jöfnu kennt annað hvert ár.

Á námskeiðinu læra nemar að skipuleggja stærðfræðikennslu í framhaldsskóla þannig að hún sé fjölbreytt og taki mið af þörfum allra nemenda. Áhersla verður lögð á að nemendur kynnist fjölbreyttu námsumhverfi og kennsluháttum sem byggja á rannsóknum á stærðfræðinámi og -kennslu. Í námskeiðinu er fjallað um markmið stærðfræðináms og hvernig þau birtast í námskrám og stefnuritum bæði hér á landi og í nágrannalöndum. Nemendur lesa um og fá tækifæri til að reyna í verki fjölbreyttar leiðir við að meta og greina stærðfræðilega hæfni.
Vinnulag í námskeiðinu felst í fyrirlestrum, verkefnavinnu kynningum, vettvangstengdum viðfangsefnum og gagnrýnni umræðu um viðfangsefni. Áhersla verður lögð á að nemar ræði um áskoranir sem upp geta komið við kennslu og leiti sjálfir leiða við lausn á ýmsum vandamálum sem lúta að stærðfræðinámi og -kennslu.

Rafmyntir (STÆ532M)

Í byrjun námskeiðsins eru grunnhugtök rafmynta kynnt til sögunnar, svo sem veski, veskisföng og færslur.  Nemendur kynnast dulkóðun, færslum, blokkum
og keðjum. Rafmyntin Broskallar verður notuð sem sýnidæmi í öllu námskeiðinu.
Nemendur þýða sín eigin veski og fara nægilega djúpt í algrímin á bak við myntirnar til að geta sett saman sínar eigin færslur af Linux skipanalínu og lesið dæmigerðan veskiskóða sem skrifaður er í C++.
Nemendur læra hvernig kalla má á veski úr öðrum hugbúnaði, m.a. til að greina flæði myntarinnar.
Nemendur læra hvernig má útfæra ýmsar viðbætur við hefðbunda notkun rafmynta, s.s. dulkóðun skilaboða, keyrslu hugbúnaðar sem svar við greiðslu o.s.frv. Nemendur setja upp eigin dæmi um viðbætur og læra m.a. hvernig má geta frumskipti (e. atomic swap) á mismunandi myntum.

Skilaverkefni verða einstaklingsbundin og valin úr nokkrum verkefnagerðum í formi (1) lausna sem byggja á notkun veskis á skipanalínu, (2) greinargerða sem mynda ítarefni í tutor-web kerfið (3) smáforrita sem bregðast við færslum sem koma inn á tiltekið veskisfang eða í tiltekið veski (4) forrita sem tala við kauphallir og/eða (5) ný notendaandlit sem bæta virkni framenda tiltekins veskis.

Allt efni námskeiðsins og skilaverkefni eru á ensku. Skilaverkefni enda sem hluti af opna vefkerfinu tutor-web.
Nemendur læra hvernig kalla má á veski úr öðrum hugbúnaði, m.a. til að greina flæði myntarinnar.
Nemendur læra hvernig má útfæra ýmsar viðbætur við hefðbunda notkun rafmynta, s.s. dulkóðun skilaboða, keyrslu hugbúnaðar sem svar við greiðslu o.s.frv. Nemendur setja upp eigin dæmi um viðbætur og læra m.a. hvernig má geta frumskipti (e. atomic swap) á mismunandi myntum og nota þá Broskalla sem tilkyninngakerfi.

Stefnt er að því að námskeiðið verði kennt sem lesnámskeið eða sjálfsnám, en nánari framkvæmd fer eftir þátttöku.

Eðlisfræði 2 R (EÐL206G)

Markmið: Að kynna nemendum aðferðir og grundvallarlögmál rafsegulfræði og ljósfræði. Námsefni: Hleðsla og rafsvið. Lögmál Gauss. Rafmætti. Þéttar og rafsvarar. Rafstraumur, viðnám, rafrásir. Segulsvið. Lögmál Ampères og Faradays. Span. Rafsveiflur og riðstraumur. Jöfnur Maxwells. Rafsegulbylgjur. Endurkast og ljósbrot. Linsur og speglar. Bylgjuljósfræði.

Námskeiðið er kennt samhliða EÐL201G með eftirfarandi viðbót: Inngangur að nútímaeðlisfræði (2 vikur).

Stærðfræðileg eðlisfræði (EÐL612M)

Markmið: Að kynna stærðfræðilegar aðferðir sem nytsamar eru í eðlisfræði og veita þjálfun í beitingu þeirra. Námsefni: Hljóðbylgjur í vökvum og lofttegundum. Spennutensor og þenslutensor, almennar hreyfingarjöfnur fyrir samfellt efni. Jarðskjálftabylgjur. Jöfnur Maxwells og rafsegulbylgjur. Flatar bylgjur, skautun, endurkast og brot. Dreififöll og Fourier-greining. Grunnlausnir og Green-föll hlutafleiðujafna. Bylgjur í einsleitum efnum. Lögmál Huygens og setning Leifs Ásgeirssonar. Tvístur (dispersion. Fasahraði og grúpuhraði. Jöfnur Kramers og Kronigs. Aðferð hins stöðuga fasa. Bylgjur á yfirborði vökva.

Þróun hugbúnaðar (HBV401G)

Í þessu námskeiði stíga nemendur skrefið frá því að forrita sjálfir lítil forrit til að leysa vel skilgreind afmörkuð verkefni yfir í að vinna í hópi með öðrum að gerð stærri forritakerfa sem uppfylla stundum óljósar kröfur viðskiptavina. Námskeiðið fjallar um ýmsar grunnhugmyndir hugbúnaðarverkfræði til að fást við slík stærri kerfi, svo sem lipur hugbúnaðarferli, hugbúnaðarferli byggð á áætlunum, þarfaverkfræði, mat á vinnumagni, hlutbundna greiningu og hönnun, högun hugbúnaðar og þróun byggða á prófunum. Notkun þessara hugtaka er æfð í hópvinnuverkefnum þar sem nemendur þróa kerfi sem eru samsett úr minni þáttum og forrituð í Java.

Tölfræðiráðgjöf (MAS201M)

Þáttakendur í námskeiðinu öðlast þjálfun í hagnýtum tölfræðiaðferðum eins og þeim er beitt við tölfræðiráðgjöf. Þáttakendur fá að kynnast raunverulegum tölfræðilegum verkefnum með því að aðstoða nemendur í ýmsum deildum skólans. Þáttakendur kynna verkefnin í námskeiðinu, ræða úrlausnarmöguleika og aðstoða síðan nemendurna við úrvinnslu með R og túlkun niðurstaðna.

Slembiferli (STÆ415M)

Inngangsatriði slembiferla með megináherslu á Markovkeðjur.

Viðfangsefni: Hittitími, stöðuþáttun, óþáttanleiki, lota, endurkvæmni (jákvæð og núll-), hverfulleiki, tenging, endurnýjun, jafnvægi, tíma-viðsnúningur, tenging úr fortíðinni, greinaferli, biðraðir, martingalar, Brownhreyfing.

Grundvöllur líkindafræðinnar (STÆ418M)

Líkindi á grundvelli mál- og tegurfræði.

Viðfangsefni: Líkindi, útvíkkunarsetningar, óhæði, væntigildi. Borel-Cantelli-setningin og 0-1 lögmál Kolmogorovs.  Ójöfnur og hin veiku og sterku lögmál mikils fjölda. Samleitni í hverjum punkti, í líkindum, með líkunum einn, í dreifingu og í heildarviki. Tengiaðferðir. Höfuðmarkgildissetningin. Skilyrt líkindi og væntigildi.

Grannfræði (STÆ419M)

Almenn grannfræði: Grannrúm og samfelldar varpanir. Hlutrúm, faldrúm og deildarúm. Samhangandi rúm og þjöppuð rúm. Aðskilnaðarfrumsendur, hjálparsetning Urysohns og firðanleikasetning, algerlega regluleg rúm og þjappanir. 

Greining reiknirita (TÖL403G)

Aðferðir við hönnun og greiningu á tímaflækju reiknirita. Kynning og greining á reikniritum fyrir röðun, leit, netafræði og fylkjareikning. Torleysanleg vandamál, nálgunaraðferðir og slembin reiknirit.

Hagnýt Fourier greining (STÆ211G)

Fourier-raðir á rauntalna og tvinntalnaformi.  Kósínus- og sínus-raðir á takmörkuðum bilum. Umfjöllun um  samleitni Fourier-raða , bæði samleitni í punkti and samleitni í jöfnum mæli. Fernings skekkja og lágmarks fernings skekkja, lágmörkunar eiginleikar Fourier-raða, ójafna Bessel, jafna Parsevals, róf ráðanna. Fourier-raðir fyrir stofnföll og afleiður.

Áhersla er lögð á hagnýtingar í eðlisvísindum og lausnir verkefna.

Stýring fjármálasafna (VIÐ604G)

Fjallað verður um þá aðferðafræði sem liggur að baki ákvarðanatöku fjárfesta og fyrirtækja við myndun og stýringu eigna- og skuldasafna. Áhættustýring fyrirtækja verður einnig tekin fyrir.

Námskeiðið er kennt á ensku

Stærðfræðimynstur (TÖL104G)

Yrðingar, umsagnir og rökleiðingar. Mengjareikningur og Boolealgebrur. Þrepun og endurkvæmni. Grunnaðferðir við greiningu reiknirita og talningu. Einföld reiknirit í talnafræði. Vensl, eiginleikar þeirra og framsetning. Tré og net og einföld reiknirit tengd þeim. Strengir, dæmi um mál, stöðuvélar og málskipan.

Dæmatímar
Það eru 7 dæmahópar og nemendur velja sér hóp. Dæmatímar eru tvennskonar:
Venjulegir (5 hópar): 2x40 mín. vikulega, á eftir hverjum er 40 mín. stoðtími 
Hraðferðir (2 hópar): 1x40 mín. vikulega
Sjá nánar í stundaskrá

Tölvur, stýrikerfi og tölvufærni (TÖL108G)

Í þessu námskeiði er snert á mörgum hlutum sem tengjast tölvufærni. Markmið námskeiðsins er að kynna nemandann fyrir mörgum hugtökum án þess þó að kafa djúpt í hvert hugtak.

Kynning á stýrikerfinu Unix. Skipulag skráakerfis, helstu hjálparforrit, gluggakerfi, skipanalínuvinnsla og skeljarforritun. Einnig er farið yfir ritla í skelinni og höndlun gagna í henni. Farið er yfir útgáfustjórnunarkerfi eins og Git, notkun aflúsunaraðferða og aðferða til að byggja hugbúnað. Farið er yfir algeng hugtök í dulmálsfræðum og kynnt eru hugtök á borð við sýndarvélar og gáma.

Línuleg algebra A (STÆ106G)

Fjallað er um undirstöðuatriði línulegar algebru yfir rauntölurnar með áherslu á fræðilegu hliðina.

Viðfangsefni: Línuleg jöfnuhneppi,fylkjareikningur, Gauss-eyðing og Gauss-Jordan-aðferð.  Vigurrúm og hlutrúm þeirra.  Línulega óháð hlutmengi, grunnar og vídd.  Línulegar varpanir, myndrúm og kjarni.  Depilmargfeldi, lengd og horn.  Rúmmál í margvíðu hnitarúmi og krossfeldi í þrívíðu.  Flatneskjur og stikaframsetning þeirra.  Hornrétt ofanvörp og þverstaðlaðir grunnar.  Aðferð Grams og Schmidts.  Ákveður og andhverfur fylkja.  Eigingildi, eiginvigrar og hornalínugerningur.

Tölvunarfræði 1a (TÖL105G)

Einingar til BS-prófs gilda aðeins fyrir annaðhvort TÖL101G Tölvunarfræði 1 eða TÖL105G Tölvunarfræði 1a.

Forritun í Python (sniðið að verkfræðilegum og raunvísindalegum útreikningum): Helstu skipanir og setningar (útreikningur, stýri-setningar, innlestur og útskrift), skilgreining og inning falla, gagnatög (tölur, fylki, strengir, rökgildi, færslur), aðgerðir og innbyggð föll, vigur- og fylkjareikningur, skráavinnsla, tölfræðileg úrvinnsla, myndvinnsla. Hlutbundin forritun: klasar, hlutir, smiðir og aðferðir. Hugtök tengd hönnun og smíði tölvukerfa: Forritunarumhverfi, vinnubrögð við forritun, gerð falla- og undirforritasafna og tilheyrandi skjölun, villuleit og prófun forrita.

Stærðfræðigreining IA (STÆ101G)

Talnakerfin. Rauntölur og hugtökin efra mark og neðra mark, tvinntölur. Mengi náttúrulegra talna og þrepasannanir. Föll og varpanir. Runur og runumarkgildi. Raðir. Samleitnipróf og skilorðsbundin samleitni raðar. Markgildi og samfelld föll. Helstu eiginleikar samfelldra falla. Hornaföll. Diffrun. Helstu reglur um diffrun. Útgildi. Meðalgildissetningin. Nálgun diffranlegra falla með margliðum. Tegrun. Tengsl tegrunar og diffrunar. Ýmis algeng föll. Ýmsar aðferðir til að reikna út stofnföll. Veldaraðir. Fyrsta stigs diffurjöfnur. Tvinngild föll og annars stigs diffurjöfnur.

Stærðfræðigreining I (STÆ104G)

Rauntölur. Markgildi og samfelld föll. Deildanleg föll, reglur um afleiður, afleiður af hærri röð, stofnföll. Notkun deildareiknings: Útgildisverkefni, línuleg nálgun. Torræð föll. Meðalgildissetning, setningar l'Hôpitals og Taylors. Heildun: Ákveðin heildi og reiknireglur fyrir þau. Undirstöðusetning deilda- og heildareikningsins. Heildunartækni, óeiginleg heildi. Notkun heildareiknings: Bogalengd, flatarmál, rúmmál, þungamiðjur. Runur og raðir, samleitnipróf. Veldaraðir, Taylor-raðir. Venjulegar afleiðujöfnur: Aðskiljanlegar og einsleitar afleiðujöfnur fyrstu raðar, línulegar afleiðujöfnur fyrstu raðar, línulegar afleiðujöfnur annarrar raðar með fastastuðlum.

Aðgerðagreining (IÐN401G)

Í námskeiðinu er nemendum kynnt hvernig gera á skipulega mynd af ákvörðunar- og bestunarverkefnum í aðgerðagreiningu.
Að námskeiði loknu eiga nemendur að hafa færni í að setja upp, greina og leysa stærðfræðileg líkön sem standa fyrir raunhæfum verkefnum og hvernig meta eigi lausn þeirra á gagnrýninn hátt. Tekin eru fyrir línuleg bestun og Simplex aðferðin, auk skyld fræðileg efni.
Námskeiðið kynnir auk þess stærðfræðileg líkön fyrir einstök verkefni; flutningsverkefni, úthlutunarverkefni, netverkefni og heiltölubestun. Nemendur kynnast einnig sérhæfðu forritunarmáli við líkangerð fyrir línulega bestun.

Inngangur að gagnavísindum (REI202G)

Í námskeiðinu er fjallað um grunnaðferðir í gagnavísindum auk þess sem kennt er á forritasöfn á borð við numpy, pandas, matplotlib og scikit-learn.

Námskeiðið er í 6 hlutum:

1. Kynning á Python forritunarmálinu.
2. Umbreyting hrágagna á form sem auðvelt er að vinna með.
3. Forkönnun á gögnum og myndræn framsetning á þeim.
4. Bestun.
5. Klösun og víddarfækkun.
6. Aðhvarfsgreining og flokkun.

Hverjum hluta lýkur með verkefni.

Athugið að námslega skörun er við REI201G Stærðfræði og reiknifræði og geta bæði námskeiðin ekki gilt til sömu gráðunnar.

Tölvunarfræði 2 (TÖL203G)

Námskeiðið mun nota forritunarmálið Java. Fjallað er um gagnaskipan, reiknirit og huglæg gagnatög. Meðal gagnaskipana, sem farið er yfir, eru listar, hlaðar, biðraðir, forgangsbiðraðir, tré, tvítré, tvíleitartré og hrúgur auk viðkomandi reiknirita. Kynnt verða ýmis leitar- og röðunarreiknirit. Reiknirit eru greind, hvað þau taka langan tíma í vinnslu og hve mikið minnisrými. Forritunarverkefni, sem nota áðurnefnda gagnaskipan og reiknirit, eru leyst í Java. Mörg lítil forritunarverkefni verða í námskeiðinu.

Líkindareikningur og tölfræði (STÆ203G)

Fjallað er um frumatriði líkinda- og tölfræði á grundvelli einfaldrar stærðfræðigreiningar.

Viðfangsefni:  
Útkomurúm, atburðir, líkindi, jöfn líkindi, óháðir atburðir, skilyrt líkindi, Bayes-regla. Slembistærð, dreififall, þéttleiki, samdreifing, óháðar stærðir, skilyrt dreifing. Væntigildi, miðgildi, dreifni, staðalfrávik, samdreifni, fylgni, lögmál mikils fjölda. Bernoulli-, tvíkosta-, Poisson-, jöfn-, veldis- og normleg stærð. Höfuðmarkgildisreglan. Poisson-ferli. Úrtak, lýsistærð, dreifing meðaltals og dreifing úrtaksdreifni í normlegu úrtaki. Punktmat, sennileikametill, meðalferskekkja, bjagi. Bilmat og tilgátupróf fyrir normleg, tvíkosta- og veldisúrtök. Einföld aðhvarfsgreining. Mátgæði og tengslatöflur.

Stærðfræðigreining II (STÆ205G)

Opin mengi og lokuð. Varpanir, markgildi og samfelldni. Deildanlegar varpanir, hlutafleiður og keðjuregla. Jacobi-fylki. Stiglar og stefnuafleiður. Blandaðar hlutafleiður. Ferlar. Vigursvið og streymi. Sívalningshnit og kúluhnit. Taylor-margliður. Útgildi og flokkun stöðupunkta. Skilyrt útgildi. Fólgin föll og staðbundnar andhverfur. Ferilheildi, stofnföll. Heildun falla af tveimur breytistærðum. Óeiginleg heildi. Setning Greens. Einfaldlega samanhangandi svæði. Breytuskipti í tvöföldu heildi. Margföld heildi. Breytuskipti í margföldu heildi. Heildun á flötum. Flatarheildi vigursviðs. Setningar Stokes og Gauss.

Inngangur að líkindafræði (STÆ210G)

Þetta er viðbót við námskeiðið "Líkindareikningur og tölfræði" STÆ203G. Farið er ítarlegar í frumatriði líkindafræðinnar með áherslu á skilgreiningar og sannanir. Námskeiðið er undirbúningur fyrir M-námskeiðin tvö í líkindafræði og M-námskeiðin tvö í tölfræði sem kennd eru á víxl annað hvert ár.

Viðfangsefni umfram þau sem koma við sögu í líkindahluta STÆ203G:

Skilgreining Kolmogorovs. Útleiðslur á reglum um samsetta atburði og skilyrt líkindi. Útleiðsla fyrir strjálar og samfelldar stærðir á reglum um væntigildi, dreifni, samdreifni, fylgni, og skilyrt væntigildi og dreifni. Útleiðslur á reglum um Bernoulli-, tvíkosta-, Poisson-, jafnar, veldis-, normlegar og gamma-stærðir. Útleiðsla á halasummureglu væntigildis og útleiðsla á væntigildi strjálu veldisstærðarinnar. Útleiðsla á reglunni um minnisleysi og veldisstærðir. Útleiðsla á dreifingum summu óháðra stærða s.s. tvíkosta-, Poisson-, normlegra og gamma-stærða. Líkinda- og vægisframleiðsluföll.

R forritun (MAS102M)

Í námskeiðinu munu nemendur framkvæma hefðbundnar tölfræðiaðferðir á raunverulegum gagnasöfnum. Áhersla verður lögð á fjölbreytu aðhvarfsgreiningu (e. multiple linear regression). Nemendur beita fáguðum aðferðum við myndræna framsetningu sem og sjálfvirka skýrslugerð. Námsmat verður í formi raunhæfra verkefnia þar sem nemendur framkvæma ofangreind atriði á raunverulegum gagnasöfnum með það fyrir augum að svara rannsóknarspurningum.

Hagnýtt línuleg tölfræðilíkön (STÆ312M)

Í námskeiðinu er fjallað um einfalda og fjölvíða aðhvarfsgreiningu ásamt fervikagreiningu (ANOVA) og samvikagreiningu (ANCOVA). Að auki er farið í tvíkosta aðhvarfsgreiningu (binomial regression) og rætt um hugtök því tengt, svo sem gagnlíkindi (odds) og gagnlíkindahlutfall (odds ratio).
Námskeiðið er framhald af dæmigerðu grunnnámskeiði í tölfræði sem kennd eru á hinum ýmsu sviðum skólans. Farið verður í aðferðir til að meta stika í línulegum líkönum, hvernig smíða má öryggisbil og kanna tilgátur fyrir stikana, hverjar forsendur líkananna eru og hvað hægt sé að gera sé þeim ekki fullnægt. Verkefni eru unnin í tölfræðihugbúnaðinum R.

Stærðfræðigreining III (STÆ302G)

Í námskeiðinu er fjallað undistöðuatriði um tvö svið
stærðfræðigreiningar, tvinnfallagreiningu og afleiðujöfnur, með áherslu á hagnýtingu og útreikninga á lausnum.

Viðfangsefni: Tvinntölur og varpanir á svæðum í tvinntalnasléttunni. Föll af einni tvinnbreytistærð. Fáguð föll. Veldisvísisfallið, lograr, rætur og horn. Cauchy-setningin og Cauchy-formúlan. Samleitni í jöfnum mæli. Veldaraðir. Laurent-raðir. Leifareikningur. Hagnýtingar á tvinnfallagreiningu í straumfræði. Venjulegar afleiðujöfnur og afleiðujöfnuhneppi. Línulegar afleiðujöfnur  með fastastuðlum. Ýmsar aðferðir til að reikna út sérlausnir. Green-föll fyrir upphafsgildisverkefni. Línuleg
afleiðujöfnuhneppi. Veldisvísisfylkið. Veldaraðalausnir og aðferð Frobeniusar. Laplace-ummyndun og notkun hennar við lausn á afleiðujöfnum. Leifaformúlur fyrir Fourier-myndir og andhverfar Laplace-myndir.

Gagnasafnsfræði (TÖL303G)

Gagnasöfn og gagnasafnskerfi. Einindavenslalíkanið. Töflulíkanið og töflualgebra. SQL fyrirspurnarmálið. Hagkvæmni geymsluaðferða og úrvinnsluaðferða. Fallákveður, lyklar og staðalskipulag gagna í venslalíkaninu. Bestun fyrirspurna. Hreyfingar, samhliða vinnsla hreyfinga og læsingar. Endurbygging gagnasafna. Öryggi gagnasafna og aðgangsheimildir. Vöruhús gagna.

Hagnýt gagnagreining (MAS202M)

Námskeiðið fjallar um tölfræðiúrvinnslu í forritinu R. Gert er ráð fyrir að nemendur hafi grunnþekkingu í tölfræði og tölfræðihugbúnaðnum R. Æskilegt er að nemendur þekki til margbreytu aðhvarfsgreiningar (e. multiple linear regression). Nemendur læra að beita hinum ýmsu tölfræðiaðferðum í R (ss. classification methods, resampling methods, linear model selection og tree-based methods). Námskeiðið er kennt á tólf vikum og verður það á vendikennsluformi þar sem nemendur lesa námsefni og horfa á myndbönd áður en þeir mæta í tíma og fá svo aðstoð með fyrirliggjandi verkefni í tímum.

Kennileg töluleg greining (STÆ412G)

Þetta er viðbót við námskeiðið "Töluleg greining" STÆ405G. Farið er ítarlegar og fræðilegar í efnið sem tekið er fyrir í Tölulegri greiningu (STÆ405G) með áherslu á sannanir.

Slembiferli (STÆ415M)

Inngangsatriði slembiferla með megináherslu á Markovkeðjur.

Viðfangsefni: Hittitími, stöðuþáttun, óþáttanleiki, lota, endurkvæmni (jákvæð og núll-), hverfulleiki, tenging, endurnýjun, jafnvægi, tíma-viðsnúningur, tenging úr fortíðinni, greinaferli, biðraðir, martingalar, Brownhreyfing.

Mengi og firðrúm (STÆ202G)

Mengjafræði: Vensl; jafngildisvensl og raðvensl. Teljanleg mengi og óteljanleg. Samstétta mengi. Uppbygging talnakerfanna. Frumatriði um firðrúm: Opin mengi og lokuð, samleitnar runur og Cauchy-runur, þéttipunktar. Samfelldni og samfelldni í jöfnum mæli. Samleitni og samleitni í jöfnum mæli. Fallarunur og fallaraðir. Þjöppuð firðrúm. Samhangandi mengi. Fullkomin firðrúm og fullkomnun firðrúms. Fastapunktssetning Banachs; tilvistarsetning um afleiðujöfnu fyrstu raðar. Kennslubækur ákveðnar síðar.

Stærðfræðigreining IV (STÆ401G)

Markmið: Að kynna fyrir nemendum Fourier-greiningu og hlutafleiðujöfnur og hagnýtingu á þeim.

Lýsing: Fourier-raðir og þverstöðluð fallakerfi, jaðargildisverkefni fyrir venjulega afleiðuvirkja, eigingildisverkefni fyrir Sturm-Liouville-virkja, Fourier-ummyndun, bylgjujafnan, varmaleiðnijafnan og Laplace-jafnan leystar á ýmsum svæðum í einni, tveimur og þremur víddum með aðferðum úr fyrri hluta námskeiðsins, aðskilnaður breytistærða, grunnlausn, Green-föll, speglunaraðferðin.

Töluleg greining (STÆ405G)

Einingar til BS-prófs gilda aðeins fyrir annaðhvort REI201G Stærðfræði og reiknifræði eða STÆ405G Töluleg greining.

Undirstöðuhugtök um nálgun og skekkjumat. Lausn línulegra og ólínulegra jöfnuhneppa. PLU-þáttun. Margliðubrúun, splæsibrúun og aðhvarfsgreining. Töluleg nálgun afleiða og heilda. Útgiskun. Töluleg lausn upphafshafsgildisverkefna fyrir venjuleg afleiðujöfnuhneppi. Fjölskrefaaðferðir. Töluleg lausn jaðargildisverkefna fyrir venjulegar afleiðujöfnur.

Gefin er einkunn fyrir skriflegar úrlausnir á forritunarverkefnum og vegur hún 30% af heildareinkunn. Stúdent verður að hafa lágmarkseinkunn 5 bæði fyrir verkefni og lokapróf.

Inngangur að djúpum tauganetum (TÖL506M)

Í þessu námskeiði förum við yfir djúp tauganet og helstu aðferðir tengdar þeim. Kynnt verða net og aðferðir fyrir mynd, hljóð og textagreiningu. Lögð verður áhersla á hagnýtingu lausna og munu nemendur t.a.m. kynna verkefni eða grein á þessu sviði.

Algebra (STÆ303G)

Grúpur, dæmi og helstu undirstöðuatriði. Samhverfugrúpur. Mótanir og normlegar hlutgrúpur. Baugar, dæmi og helstu undirstöðuatriði. Heilbaugar. Baugamótanir og íðul. Margliðubaugar og þáttun margliða. Valin viðfangsefni.

Kennileg línuleg tölfræðilíkön (STÆ310M)

Einföld og fjölvíð aðhvarfsgreining, fervikagreining og samvikagreining, ályktanir, dreifni og samdreifni metla, mátpróf með frávika- og áhrifagreiningu, samtíma ályktanir. Almenn líkuleg líkön sem ofanvörp, fervikagreining sem sértilvik, samtíma öryggismörk á samanburðarföll. R notað í verkefnum. Lausnum verkefna er skilað i LaTeX og PDF.

Til viðbótar  er tekið efni eftir vali, t.d. útvíkkuð línuleg líkön (GLM), ólínuleg aðhvarfsgreining og/eða slembiþáttalíkön (random/mixed effects models) og/eða skóreimaaðferðir (bootstrap) o.s.frv.

Nemendur kynna lausnir verkefna, sem áður hefur verið skilað inn í gegnum vefsíðu.

Námskeiðið er kennt þegar ártalið er slétt tala.

Grundvöllur tölfræðinnar (STÆ313M)

Sennileiki, tæmandi stærð, tæmanleikareglan, þvælistiki, skilyrðingarreglan, óbreytileikareglan, sennileikafræði. Tilgátupróf, einfaldar og samsettar tilgátur, Neyman-Pearson-setningin, styrkleiki, UMP-próf, óbreytileg próf. Umröðunarpróf, sætispróf. Bilmat, öryggisbil, öryggisstig, öryggissvæði. Punktmat, bjagi, meðalferskekkja. Verkefnum er skilað með notkun LaTeX og gilda 20% af lokaeinkunn.

Hagnýt Bayesísk tölfræði (STÆ529M)

Markmið: Að kenna nemendum að beita ýmsum aðferðum úr Bayesískri tölfræði fyrir greiningu gagna. Námsefni: Fræðileg undirstaða Bayesískrar ályktunartölfræði, fyrirframdreifingar, gagnadreifingar og eftirádreifingar. Bayesísk ályktunartölfræði fyrir stika í einvíðum og margvíðum líkindadreifingum: tvíkosta-; normal-; Possion; veldis-; margvíð normal-; fjölkostadreifing.  Mat á gæðum líkans og samanburður á líkönum: Bayesísk p-gildi; deviance information criterion (DIC). Bayesísk hermun: Markov keðju Monte Carlo (MCMC) aðferðir; Gibbs sampler; Metropolis-Hastings skref; mat á samleitni. Línuleg líkön: normal línuleg líkön; stigskipt normal línuleg líkön; almenn línuleg líkön. Áhersla á greiningu gagna með forritum eins og Matlab og R.

BS-verkefni (STÆ262L)

Nemendur velja sér verkefni í samráði við einhvern kennara námsbrautar í stærðfræði. Verkefnið er unnið með leiðsögn tveggja manna og skal a.m.k. annar þeirra tilheyra námsbraut í stærðfræði. Námsbraut í stærðfræði þarf að staðfesta áætlun sem nemandi og leiðbeinendur leggja fram í sameiningu. Verkefninu lýkur með samningu ritgerðar og fyrirlestri. Ekki er gefin einkunn fyrir verkefnið en umsjónarmenn stafesta að nemandi hafi  staðist námskröfur.

Upplýsingar um skil á verkefni
Skil eru í maí fyrir júníbrautskráningu
Skil eru í september fyrir októberbrautskráningu
Skil eru í janúar fyrir febrúarbrautskráningu

Í upphafi misseris koma nemandi og leiðbeinandi sér upp tímalínu um skil á verkefni

Skil á fullbúnu verkefni til leiðbeinanda/umsjónarkennara er 10. maí/ september/ janúar

Skil nemanda inn á Skemmu eru í síðasta lagi 30. maí/ september/ janúar og senda þarf staðfestingu um samþykkt skil á nemvon@hi.is

Einkunn frá leiðbeinanda á að hafa borist skrifstofu í síðasta lagi 30. maí/ september/ janúar

Samæfingar í stærðfræði (STÆ402G)

Ætlast er til að nemendur hafi lokið a.m.k. 120 ECTS einingum. Nemendur sem ekki hafa lokið 120 ECTS einingum og hafa áhuga á að taka námskeiðið þurfa að fá samþykki umsjónarmanns.

Stúdentar skila ritgerðum og halda fyrirlestra um valin efni.

Eðlisfræði 1 R (EÐL107G)

Nemendum eru kynntar aðferðir og grundvallarlögmál aflfræði, bylgjufræði og varmafræði til þeirrar hlítar að þeir geti beitt þeim við lausn dæma. 

Námsefni: Hugtök, einingar, tölur, víddir. Vigrar. Gangfræði. Hreyfifræði agna, tregða, kraftar og lögmál Newtons. Núningur. Vinna og orka og varðveisla orkunnar. Skriðþungi, árekstrar. Agnakerfi, massamiðja. Snúningur stjarfhlutar. Hverfiþungi og hverfitregða. Stöðufræði. Þyngd. Storka og straumefni, jafna Bernoullis. Sveiflur: Hreinar, deyfðar og þvingaðar. Bylgjur. Hljóð. Hitastig. Kjörgas. Varmi og fyrsta lögmál varmafræðinnar. Kvikfræði gasa. Óreiða og annað lögmál varmafræðinnar.

Athugið að kennslubókin fyrir námskeiðið er aðgengileg nemendum í gegnum Canvas án endurgjalds.

Líftölfræði II (Klínísk spálíkön) (LÝÐ301F)

Námskeiðið er beint framhald af Líftölfræði I og veitir nemendum praktíska handleiðslu í tölfræðiúrvinnslu í eigin rannsóknarverkefnum. Útreikningar á hlutfallslegri áhættu og leiðréttri hlutfallslegri áhættu. Fylgni og einföld aðhvarfsgreining, margvíð línuleg aðhvarfsgreining og lógistísk aðhvarfsgreining. Námskeiðið byggist á fyrirlestrum og dæmatímum. Í dæmatímunum verður notast við tölfræðiforritið R.

R forritun (MAS102M)

Í námskeiðinu munu nemendur framkvæma hefðbundnar tölfræðiaðferðir á raunverulegum gagnasöfnum. Áhersla verður lögð á fjölbreytu aðhvarfsgreiningu (e. multiple linear regression). Nemendur beita fáguðum aðferðum við myndræna framsetningu sem og sjálfvirka skýrslugerð. Námsmat verður í formi raunhæfra verkefnia þar sem nemendur framkvæma ofangreind atriði á raunverulegum gagnasöfnum með það fyrir augum að svara rannsóknarspurningum.

Gervigreind (REI505M)

Fjallað er um hugtök, aðferðir og reiknirit á sviði gervigreindar, með áherslu á studdan og óstuddan lærdóm. Forvinnsla og myndræn framsetning gagna. Mat á gæðum líkana og val á líkönum. Línuleg aðhvarfsgreining, næstu nágrannar, stoðvigravélar, tauganet, ákvarðanatré og safnaðferðir. Djúpur lærdómur. Þyrpingagreining og k-means aðferðin. Nemendur útfæra einföld reiknirit í Python og læra á sérhæfða forritspakka. Námskeiðinu lýkur með hagnýtu verkefni.

Töluleg línuleg algebra (STÆ511M)

Ítrekunaraðferðir fyrir jöfnuhneppi.  Ýmsar þáttanir fylkja eins og QR, Cholesky, Jordan, Schur, rófþáttun og sérstöðupunktaþáttun (SVD) og hagnýtingar þeirra.  Strjál Fourierummyndun (DFT) og hröð algrím til framkvæmdar hennar (FFT).  Strjál Kósínusummyndun (DCT) í tvívídd og hagnýtingar í þjöppun hljóðs (MP3, AAC) og mynda (JPEG).  Rýr fylki og framsetning á þeim.

Sérstök áhersla verður lögð á hagnýtingu þeirra efnisatriða sem farið er í og tölulegar aðferðir.

Netafræði (STÆ520M)

Net, netamótanir og netaeinsmótanir. Hlutnet, spannandi hlutnet. Vegir, tengd net. Örvanet. Tvíhlutanet. Euler-net og Hamilton-net; setningar Chvátals, Pósa, Ores og Diracs. Keppnisnet. Tré, spannandi tré, trjáfylkjasetningin, Cayley-setningin. Vegin net, reiknirit Kruskals og Dijkstra. Flæðinet, setning um hámarksflæði og lágmarkssnið, Ford-Fulkerson-reikniritið, Menger-setningin. Spyrðingar, Berge-setningin, giftingarsetning Halls, König-Egerváry-setningin, Kuhn-Munkres-reikniritið. Óaðskiljanleg net, tvítengd net. Lagnet, Euler-formúla, Kuratowski-setningin, nykurnet. Greypingar neta í fleti, Ringel-Youngs-Mayer-setningin. Litanir, litunarsetning Heawoods, Brooks-setningin, litamargliða; leggjalitanir, Vizing-setningin.

Dreififöll (STÆ523M)

Fjallað er um undirstöðuatriði um dreififöll og hagnýtinga um hlutafleiðujöfnur.

Viðfangsefni: Prófunarföll, dreififöll, deildun dreififalla, samleitni runa af dreififöllum, Taylor-liðun í mörgum breytistærðum, staðbinding, dreififöll með þjappaða stoð, margföldun falla og dreififalla, samskeyting varpana og dreififalla, földun dreififalla, grunnlausnir, Fourier-ummyndun, Fourier-raðir, grunnlausnir og Fourier-ummyndun.

Inngangur að rökfræði (STÆ528M)

Röksemdafærslur, sannanir. Samtengingar, fullyrðingareikningur, sannföll og sísönnur. Formleg mál, frumsendur, rökreglur, sísönnusetningin. Magnarar. Mál og kenningar fyrstu stéttar. Mynstur og líkön. Fullkomleikasetningin. Setning Löwenheims og Skolems. Reiknanleiki, rakin föll. Setning Gödels.

Tölulegar lausnir á hlutafleiðujöfnum (STÆ537M)

Markmið námskeiðsins er að kynna aðferðir til tölulegrar úrlausnar á hlutafleiðujöfnum og forritun þeirra. 

Viðfangsefni:

Fleyggerar hlutafleiðujöfnur (varmajafnan), breiðgerar hlutafleiðujöfnur (bylgjujafnan) og sporgerar hlutafleiðujöfnur (Poisson- og Laplace jafnan).  Mismunaaðferðir, samleguaðferðir og bútaaðferðir.  Stöðugleiki lausnaraðferða, CFL skilyrðið og Crank-Nicolson skemað. Ólínulegar hlutafleiðujöfnur og Turing-mynstur.  Samband slembigangs og Poisson/Laplace hlutafleiðujafna.

Formleg mál og reiknanleiki (TÖL301G)

Endanlegar stöðuvélar, regluleg mál og málskipan, staflavélar, samhengisóháð mál og málskipan, Turingvélar, almenn mál og málskipan og helstu eiginleikar þeirra.

Ávarðanleg og listanleg mál, yfirfærsla milli mála, tengsl við ákvörðnarverkefni og sönnun á óleysanleika slíkra verkefna. Flækjustigsflokkarnir P og NP og NP-fullkomleiki. Dæmi um ýmis líkön af reiknanleika.

Fjölbreytileg nálgun á stærðfræðikennslu í framhaldsskólum (SNU503M)

Námskeiðið verður næst kennt haustið 2024. Það er að öllu jöfnu kennt annað hvert ár.

Á námskeiðinu læra nemar að skipuleggja stærðfræðikennslu í framhaldsskóla þannig að hún sé fjölbreytt og taki mið af þörfum allra nemenda. Áhersla verður lögð á að nemendur kynnist fjölbreyttu námsumhverfi og kennsluháttum sem byggja á rannsóknum á stærðfræðinámi og -kennslu. Í námskeiðinu er fjallað um markmið stærðfræðináms og hvernig þau birtast í námskrám og stefnuritum bæði hér á landi og í nágrannalöndum. Nemendur lesa um og fá tækifæri til að reyna í verki fjölbreyttar leiðir við að meta og greina stærðfræðilega hæfni.
Vinnulag í námskeiðinu felst í fyrirlestrum, verkefnavinnu kynningum, vettvangstengdum viðfangsefnum og gagnrýnni umræðu um viðfangsefni. Áhersla verður lögð á að nemar ræði um áskoranir sem upp geta komið við kennslu og leiti sjálfir leiða við lausn á ýmsum vandamálum sem lúta að stærðfræðinámi og -kennslu.

Rafmyntir (STÆ532M)

Í byrjun námskeiðsins eru grunnhugtök rafmynta kynnt til sögunnar, svo sem veski, veskisföng og færslur.  Nemendur kynnast dulkóðun, færslum, blokkum
og keðjum. Rafmyntin Broskallar verður notuð sem sýnidæmi í öllu námskeiðinu.
Nemendur þýða sín eigin veski og fara nægilega djúpt í algrímin á bak við myntirnar til að geta sett saman sínar eigin færslur af Linux skipanalínu og lesið dæmigerðan veskiskóða sem skrifaður er í C++.
Nemendur læra hvernig kalla má á veski úr öðrum hugbúnaði, m.a. til að greina flæði myntarinnar.
Nemendur læra hvernig má útfæra ýmsar viðbætur við hefðbunda notkun rafmynta, s.s. dulkóðun skilaboða, keyrslu hugbúnaðar sem svar við greiðslu o.s.frv. Nemendur setja upp eigin dæmi um viðbætur og læra m.a. hvernig má geta frumskipti (e. atomic swap) á mismunandi myntum.

Skilaverkefni verða einstaklingsbundin og valin úr nokkrum verkefnagerðum í formi (1) lausna sem byggja á notkun veskis á skipanalínu, (2) greinargerða sem mynda ítarefni í tutor-web kerfið (3) smáforrita sem bregðast við færslum sem koma inn á tiltekið veskisfang eða í tiltekið veski (4) forrita sem tala við kauphallir og/eða (5) ný notendaandlit sem bæta virkni framenda tiltekins veskis.

Allt efni námskeiðsins og skilaverkefni eru á ensku. Skilaverkefni enda sem hluti af opna vefkerfinu tutor-web.
Nemendur læra hvernig kalla má á veski úr öðrum hugbúnaði, m.a. til að greina flæði myntarinnar.
Nemendur læra hvernig má útfæra ýmsar viðbætur við hefðbunda notkun rafmynta, s.s. dulkóðun skilaboða, keyrslu hugbúnaðar sem svar við greiðslu o.s.frv. Nemendur setja upp eigin dæmi um viðbætur og læra m.a. hvernig má geta frumskipti (e. atomic swap) á mismunandi myntum og nota þá Broskalla sem tilkyninngakerfi.

Stefnt er að því að námskeiðið verði kennt sem lesnámskeið eða sjálfsnám, en nánari framkvæmd fer eftir þátttöku.

Stærðfræðileg eðlisfræði (EÐL612M)

Markmið: Að kynna stærðfræðilegar aðferðir sem nytsamar eru í eðlisfræði og veita þjálfun í beitingu þeirra. Námsefni: Hljóðbylgjur í vökvum og lofttegundum. Spennutensor og þenslutensor, almennar hreyfingarjöfnur fyrir samfellt efni. Jarðskjálftabylgjur. Jöfnur Maxwells og rafsegulbylgjur. Flatar bylgjur, skautun, endurkast og brot. Dreififöll og Fourier-greining. Grunnlausnir og Green-föll hlutafleiðujafna. Bylgjur í einsleitum efnum. Lögmál Huygens og setning Leifs Ásgeirssonar. Tvístur (dispersion. Fasahraði og grúpuhraði. Jöfnur Kramers og Kronigs. Aðferð hins stöðuga fasa. Bylgjur á yfirborði vökva.

Þróun hugbúnaðar (HBV401G)

Í þessu námskeiði stíga nemendur skrefið frá því að forrita sjálfir lítil forrit til að leysa vel skilgreind afmörkuð verkefni yfir í að vinna í hópi með öðrum að gerð stærri forritakerfa sem uppfylla stundum óljósar kröfur viðskiptavina. Námskeiðið fjallar um ýmsar grunnhugmyndir hugbúnaðarverkfræði til að fást við slík stærri kerfi, svo sem lipur hugbúnaðarferli, hugbúnaðarferli byggð á áætlunum, þarfaverkfræði, mat á vinnumagni, hlutbundna greiningu og hönnun, högun hugbúnaðar og þróun byggða á prófunum. Notkun þessara hugtaka er æfð í hópvinnuverkefnum þar sem nemendur þróa kerfi sem eru samsett úr minni þáttum og forrituð í Java.

Hermun (IÐN403M)

Farið er yfir stakræna atburða hermun, tölfræðilega líkanagerð, hönnun hermilíkana, gerð tilrauna, prófanir líkana og túlkun niðurstaðna hermana. Fjallað er um sennileikamat á líkindadreifingum út frá mælingum. Námskeiðið kynnir auk þess fræðin á bak við gerð slembuframkallara og prófun þeirra. Farið er í grunnforritun á hermilíkönum og sérhæfðir hermihugbúnaðir kynntir. Nemendur vinna raunhæft hermiverkefni þar sem áhersla er lögð á hönnun og greiningu á framleiðslukerfi eða þjónustukerfi.

Hönnun og framkvæmd tilrauna (IÐN405G)

Tilgangur námskeiðs er að þjálfa verkfræðilega nálgun á tilraunir og tilraunahugsun. Farið er í hönnun tilrauna, framkvæmd þeirra, söfnun gagna og úrvinnsla þeirra með tölfræðilegum aðferðum. Að lokum er farið í hvernig draga megi ályktanir út frá gögnum / upplýsingum við notkun tilrauna við til dæmis vöruhönnun og hönnun og rekstur framleiðslukerfa.

Námsefni: Línuleg og ólínuleg aðhvarfsgreining. Fervika- og þáttagreining. Hönnun tilrauna. Tölfræðilegt gæðaeftirlit. Stikalaus próf sem beita má við úrvinnslu á gögnum. Notkun tölfræðiforrita við lausn á verkefnum.

Grundvöllur líkindafræðinnar (STÆ418M)

Líkindi á grundvelli mál- og tegurfræði.

Viðfangsefni: Líkindi, útvíkkunarsetningar, óhæði, væntigildi. Borel-Cantelli-setningin og 0-1 lögmál Kolmogorovs.  Ójöfnur og hin veiku og sterku lögmál mikils fjölda. Samleitni í hverjum punkti, í líkindum, með líkunum einn, í dreifingu og í heildarviki. Tengiaðferðir. Höfuðmarkgildissetningin. Skilyrt líkindi og væntigildi.

Grannfræði (STÆ419M)

Almenn grannfræði: Grannrúm og samfelldar varpanir. Hlutrúm, faldrúm og deildarúm. Samhangandi rúm og þjöppuð rúm. Aðskilnaðarfrumsendur, hjálparsetning Urysohns og firðanleikasetning, algerlega regluleg rúm og þjappanir. 

Greining reiknirita (TÖL403G)

Aðferðir við hönnun og greiningu á tímaflækju reiknirita. Kynning og greining á reikniritum fyrir röðun, leit, netafræði og fylkjareikning. Torleysanleg vandamál, nálgunaraðferðir og slembin reiknirit.

Hagnýt Fourier greining (STÆ211G)

Fourier-raðir á rauntalna og tvinntalnaformi.  Kósínus- og sínus-raðir á takmörkuðum bilum. Umfjöllun um  samleitni Fourier-raða , bæði samleitni í punkti and samleitni í jöfnum mæli. Fernings skekkja og lágmarks fernings skekkja, lágmörkunar eiginleikar Fourier-raða, ójafna Bessel, jafna Parsevals, róf ráðanna. Fourier-raðir fyrir stofnföll og afleiður.

Áhersla er lögð á hagnýtingar í eðlisvísindum og lausnir verkefna.

Stýring fjármálasafna (VIÐ604G)

Fjallað verður um þá aðferðafræði sem liggur að baki ákvarðanatöku fjárfesta og fyrirtækja við myndun og stýringu eigna- og skuldasafna. Áhættustýring fyrirtækja verður einnig tekin fyrir.

Námskeiðið er kennt á ensku