Undergraduate Elective 1023

• Ελληνικά
• English

Δομές Δεδομένων

Γενικά

Σχολή	Σχολή Θετικών Επιστημών
Τμήμα	Τμήμα Μαθηματικών
Επίπεδο Σπουδών	Προπτυχιακό
Κωδικός Μαθήματος	MAE681
Εξάμηνο	6
Τίτλος Μαθήματος	Δομές Δεδομένων
Αυτοτελείς Διδακτικές Δραστηριότητες	Διαλέξεις και Εργαστηριακές Ασκήσεις (Εβδομαδιαίες Ώρες Διδασκαλίας: 3, Πιστωτικές Μονάδες: 6)
Τύπος Μαθήματος	Ειδίκευσης
Προαπαιτούμενα Μαθήματα
Γλώσσα Διδασκαλίας και Εξετάσεων	Ελληνική
Τρόπος Διεξαγωγής Μαθήματος	Δια ζώσης (100%)
Το Μάθημα Προσφέρεται σε Φοιτητές Erasmus	Ναι (στην Αγγλική γλώσσα)
Ηλεκτρονική Σελίδα Μαθήματος (URL)	Δείτε το eCourse, την Πλατφόρμα Ασύγχρονης Εκπαίδευσης του Πανεπιστημίου Ιωαννίνων.

Μαθησιακά Αποτελέσματα

Μαθησιακά Αποτελέσματα

Το μάθημα αποτελεί μια εισαγωγή στις βασικές δομές δεδομένων όπως πίνακες, αλυσίδες, λίστες, στοίβες, ουρές, δένδρα, γραφήματα. Εξετάζονται θέματα ιδιοτήτων, υλοποίησης, πράξεων σε δομές και πολυπλοκότητας των πράξεων αυτών, καθώς και εφαρμογών των βασικών αυτών δομών. Βασικός σκοπός είναι η σχεδίαση και χρήση κατάλληλων δομών δεδομένων για την αποθήκευση και ανάκτηση των δεδομένων ενός προβλήματος με σκοπό την πιο αποτελεσματική επεξεργασία τους κατά την διαδικασία επίλυσης του προβλήματος. Μετά την ολοκλήρωση του μαθήματος ο φοιτητής / τρια: Έχει κατανόηση των βασικών δομών δεδομένων και των διαφόρων τρόπων υλοποίησης τους σε κάποια γλώσσα προγραμματισμού. Μπορεί να επιλέξει κατάλληλες δομές για την αποτελεσματικότερη αποθήκευση των δεδομένων ενός προβλήματος και την επεξεργασία τους με αλγορίθμους για την επίλυση του προβλήματος.

Γενικές Ικανότητες

Αυτόνομη εργασία Ανάλυση δεδομένων προβλήματος Μπορεί να χρησιμοποιήσει δομές δεδομένων για επίλυση προβλημάτων σε άλλες επιστημονικές περιοχές ή γενικά στον εργασιακό χώρο.

Περιεχόμενο Μαθήματος

Στοιχεία Πολυπλοκότητας Αλγορίθμων Αφηρημένοι Τύποι Δεδομένων Πίνακες Αλυσίδες Αλγόριθμοι Αναζήτησης, Ταξινόμησης, Επιλογής Λίστες (Απλά Συνδεδεμένες Λίστες, Διπλά Συνδεδεμένες Λίστες, Κυκλικές Λίστες, Γενικευμένες Λίστες Στοίβες Ουρές, Διπλοουρές, Ουρές Προτεραιότητας Δένδρα (Γενικά Δένδρα, Δυαδικά Δένδρα, Δυαδικά Δένδρα Αναζήτησης, Οπισθοσυνδεδεμένα Δένδρα) Σωροί AVL-Δένδρα, 2-3 Δένδρα, 2-3-4 Δένδρα, Β-Δένδρα Κατευθυνόμενοι Γράφοι Μη Κατευθυνόμενοι Γράφοι Χειρισμός Συνόλων Κατακερματισμός Δυναμική Διαχείριση Μνήμης

Διδακτικές και Μαθησιακές Μέθοδοι - Αξιολόγηση

Τρόπος Διδασκαλίας	Πρόσωπο με πρόσωπο.
Τρόπος και Συχνότητα Επικοινωνίας με Φοιτητές	Η επικοινωνία με τους φοιτητές γίνεται: Μέσω email. Δια ζώσης στο γραφείο. Κατά τη διάρκεια των διαλέξεων. Η συχνότητα επικοινωνίας με τους φοιτητές καθορίζεται από τις ανάγκες των φοιτητών.
Διασφάλιση Τρόπου Επικοινωνίας Μεταξύ Φοιτητών	Συνέργεια στα πλαίσια της παράδοσης του μαθήματος.
Χρήση Τεχνολογιών Πληροφορίας και Επικοινωνιών	Ναι.
Απαιτούμενος Τεχνολογικός Εξοπλισμός και Γνώσεις Τεχνολογίας	Δεν απαιτείται τεχνολογικός εξοπλισμός, καθώς παρέχεται. Δεν απαιτούνται εξειδικευμένες γνώσεις τεχνολογίας.
Πολιτική Μαθήματος για τη Λογοκλοπή και Εργαλεία Ελέγχου Λογοκλοπής	Η λογοκλοπή απαγορεύεται ρητά και τιμωρείται κλιμακούμενα, ανάλογα με την επανάληψη της χρήσης της. Ελέγχεται, δε, με σχετικά εργαλεία όπως το "Turnitin", που παρέχει η Βιβλιοθήκη του Πανεπιστημίου.
Πολιτική Μαθήματος για τη Χρήση Τεχνητής Νοημοσύνης	Επιτρέπεται η χρήση Τεχνητής Νοημοσύνης κατόπιν άδειας από τον διδάσκοντα/τη διδάσκουσα.
Οργάνωση Διδασκαλίας	Δραστηριότητα Φόρτος Εργασίας Εξαμήνου Διαλέξεις (13Χ3) 39 Αυτοτελής Μελέτη 78 Επίλυση Ασκήσεων - εργασίες 33 Σύνολο Μαθήματος 150
Αξιολόγηση Φοιτητών	Γραπτή τελική εξέταση (70%) που περιλαμβάνει: ερωτήσεις σχετικές με την θεωρία των δομών δεδομένων Ερωτήσεις κρίσεως υπό την μορφή ασκήσεων που απαιτούν την χρήση δομών δεδομένων Ερωτήσεις υλοποίησης δομών δεδομένων Εργαστηριακές ασκήσεις/Πρόοδος(30%)

Συνιστώμενη Βιβλιογραφία

Δείτε την υπηρεσία Εύδοξος.

Data Structures

General

School	School of Science
Academic Unit	Department of Mathematics
Level of Studies	Undergraduate
Course Code	MAE681
Semester	6
Course Title	Data Structures
Independent Teaching Activities	Lectures and laboratory exercises (Weekly Teaching Hours: 3, Credits: 6)
Course Type	Special Background
Prerequisite Courses	-
Language of Instruction and Examinations	Greek
Mode of Course Delivery	Face-to-face (100%)
Is the Course Offered to Erasmus Students	Yes
Course Website (URL)	See eCourse, the Learning Management System maintained by the University of Ioannina.

Learning Outcomes

Learning outcomes

The course is an introduction to basic data structures such as strings, arrays, lists, stacks, queues, trees, graphs. It studies properties and implementation issues as well as basic properties on the data structures and their complexity. It also examines basic applications of the above data structures. The main purpose is the design and use of appropriate data structures for storing and retrieving the data of a problem in order for a most efficient processing during the problem solving process. After completing the course the student: Has an understanding of basic data structures and the different ways they can be implemented using a programming language. Can choose appropriate data structures for efficiently storing the data of a problem and their use by an algorithm for solving the problem.

General Competences

Working independently Problem data analysis Can use data structures for solving problems in other scientific areas or in the workplace.

Syllabus

Elements Of Analysis Of Algorithms Abstract Data Types Strings Arrays Algorithms for Searching, Sorting, Selection Lists (Singly Linked Lists, Doubly Linked Lists, Circular Lists, Generalised Lists) Stacks Queues, DeQueues, Priority Queues Trees (General Trees, Binary Trees, Binary Search Trees, Threaded Trees) Heaps AVL-Trees, 2-3 Trees, 2-3-4 Trees, B Trees Directed Graphs, Undirected Graphs Set Manipulation Hashing Dynamic Memory Management

Teaching and Learning Methods - Evaluation

Mode of Instruction	Face to face.
Mode and Frequency of Communication with Students	Communication with students takes place through: Email. In-person meetings during office hours. During lectures. The frequency of communication with students is determined by their needs.
Ensuring Communication Among Students	Collaboration and interaction are encouraged within the context of course delivery.
Use of Information and Communications Technology	Yes.
Required Technological Equipment and Technology Skills	No technological equipment is required from students, as all necessary equipment is provided. No specialized technology skills are required.
Course Policy on Plagiarism and Plagiarism Detection Tools	Plagiarism is strictly prohibited and is subject to progressively stricter penalties in the event of repeated offenses. It is monitored using plagiarism detection tools such as Turnitin, which is provided by the University Library.
Course Policy on the Use of Artificial Intelligence	The use of Artificial Intelligence is permitted only with the prior approval of the instructor.
Teaching Methods	Activity Semester Workload Lectures 39 Self study 78 Exercises 33 Course total 150
Student Performance Evaluation	Written final exam (70%) comprised of: questions about the theory of data structures Questions crisis in the form of exercises that require the use of data structures Exercises testing the understanding of the implementation issues and use of data structures Laboratory exercises / midterm (30%)

Attached Bibliography

See the official Eudoxus site.