Postgraduate Section 4 1009: Διαφορά μεταξύ των αναθεωρήσεων

Από Περιγράμματα - Τμήμα Μαθηματικών
Μετάβαση σε: πλοήγηση, αναζήτηση
Ktzuvara (συζήτηση | συνεισφορές)
Χωρίς σύνοψη επεξεργασίας
Ktzuvara (συζήτηση | συνεισφορές)
 
(5 ενδιάμεσες αναθεωρήσεις από τον ίδιο χρήστη δεν εμφανίζεται)
Γραμμή 42: Γραμμή 42:
! Γλώσσα Διδασκαλίας και Εξετάσεων
! Γλώσσα Διδασκαλίας και Εξετάσεων
| Ελληνική
| Ελληνική
|-
! Τρόπος Διεξαγωγής Μαθήματος
| Δια ζώσης (100%)
|-
|-
! Το Μάθημα Προσφέρεται σε Φοιτητές Erasmus
! Το Μάθημα Προσφέρεται σε Φοιτητές Erasmus
Γραμμή 79: Γραμμή 82:
{| class="wikitable"
{| class="wikitable"
|-
|-
! Τρόπος Παράδοσης
! Τρόπος Διδασκαλίας
| Στην τάξη
| Στην τάξη.
|-
! 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
! Χρήση Τεχνολογιών Πληροφορίας και Επικοινωνιών
| -
| -
|-
! 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
! Οργάνωση Διδασκαλίας
Γραμμή 92: Γραμμή 115:
|-
|-
| Διαλέξεις
| Διαλέξεις
| 39
| style="text-align: center;" |39
|-
|-
| Αυτοτελής Μελέτη
| Αυτοτελής Μελέτη
| 78
| style="text-align: center;" |78
|-
|-
| Επίλυση Ασκήσεων - Εργασίες
| Επίλυση Ασκήσεων - Εργασίες
| 70.5
| style="text-align: center;" |70.5
|-
|-
| Σύνολο Μαθήματος
| Σύνολο Μαθήματος
| 187.5
| style="text-align: center;" |187.5
|}
|}
|-
|-
Γραμμή 155: Γραμμή 178:
! Language of Instruction and Examinations
! Language of Instruction and Examinations
| Greek
| Greek
|-
! Mode of Course Delivery
| Face-to-face (100%)
|-
|-
! Is the Course Offered to Erasmus Students
! Is the Course Offered to Erasmus Students
Γραμμή 193: Γραμμή 219:
{| class="wikitable"
{| class="wikitable"
|-
|-
! Delivery
! Mode of Instruction
| In the class
| In the class.
|-
! 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
! Use of Information and Communications Technology
| -
| -
|-
! 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
! Teaching Methods
Γραμμή 206: Γραμμή 252:
|-
|-
| Lectures
| Lectures
| 39
| style="text-align: center;" |39
|-
|-
| Study and analysis of bibliography
| Study and analysis of bibliography
| 78
| style="text-align: center;" |78
|-
|-
| Exercises - Homework
| Exercises - Homework
| 70.5
| style="text-align: center;" |70.5
|-
|-
| Course total
| Course total
| 187.5
| style="text-align: center;" |187.5
|}
|}
|-
|-
! Student Performance Evaluation
! Student Performance Evaluation
|
| Written examination - Oral Examination - Project
Written examination - Oral Examination - Project
|}
|}



Τελευταία αναθεώρηση της 14:58, 4 Ιουλίου 2026


Γενικά

Σχολή Σχολή Θετικών Επιστημών
Τμήμα Τμήμα Μαθηματικών
Επίπεδο Σπουδών Μεταπτυχιακό
Κωδικός Μαθήματος ΑΑ7
Εξάμηνο 2
Τίτλος Μαθήματος Ειδικά Θέματα Αριθμητικής Ανάλυσης
Αυτοτελείς Διδακτικές Δραστηριότητες Διαλέξεις (Εβδομαδιαίες Ώρες Διδασκαλίας: 3, Πιστωτικές Μονάδες: 7.5)
Τύπος Μαθήματος Ειδικού υποβάθρου
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 Μετά την επιτυχή ολοκλήρωση του μαθήματος, οι φοιτητές θα είναι σε θέση:
  • να συνδυάζουν τη θεωρία με τις εφαρμογές,
  • να μπορούν να αναλύσουν-μελετήσουν προβλήματα από εφαρμοσμένες επιστήμες, να επιλέξουν κατάλληλες αριθμητικές μεθόδους και τέλος να τα λύσουν,
  • να κατανοήσουν τη χρησιμότητα της Αριθμητικής Ανάλυσης για τη λύση προβλημάτων από τη φύση και την κοινωνία.
Γενικές Ικανότητες
  • Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών
  • Προσαρμογή σε νέες καταστάσεις
  • Άσκηση κριτικής και αυτοκριτικής
  • Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης.

Περιεχόμενο Μαθήματος

Επίλυση προβλημάτων μεγάλης κλίμακας από τη Ρευστομηχανική, με αριθμητικές μεθόδους: Ανάλυση του προβλήματος-επιλογή κατάλληλων μεθόδων-υλοποίηση-σύγκριση μεταξύ των μεθόδων. Επίλυση προβλημάτων βελτιστοποίησης μεγάλης κλίμακας προερχομένων από Θεωρία Ελέγχου, εξόρυξη-αναζήτηση δεδομένων, επεξεργασία σήματος και εικόνας με αριθμητικές μεθόδους: Ανάλυση του προβλήματος-επιλογή κατάλληλων μεθόδων-υλοποίηση-σύγκριση μεταξύ των μεθόδων.

Διδακτικές και Μαθησιακές Μέθοδοι - Αξιολόγηση

Τρόπος Διδασκαλίας Στην τάξη.
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 -
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 39
Αυτοτελής Μελέτη 78
Επίλυση Ασκήσεων - Εργασίες 70.5
Σύνολο Μαθήματος 187.5
Αξιολόγηση Φοιτητών Γραπτή εξέταση - Προφορική εξέταση - Εκπόνηση Εργασίας

Συνιστώμενη Βιβλιογραφία

Δείτε την υπηρεσία Εύδοξος.

Specialized Topics in Numerical Analysis


General

School School of Science
Academic Unit Department of Mathematics
Level of Studies Graduate
Course Code AA7
Semester 2
Course Title Specialized Topics in Numerical Analysis
Independent Teaching Activities Lectures (Weekly Teaching Hours: 3, Credits: 7.5)
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 (in English)
Course Website (URL) See eCourse, the Learning Management System maintained by the University of Ioannina.

Learning Outcomes

Learning outcomes

After successful end of this course, students will be able to:

  • Combine the theory with applications.
  • Analyze and study problems from applied sciences, choose the appropriate methods and finally to solve them.
  • Understand the usefulness of Numerical Analysis to solve problems from nature and society.
General Competences
  • Search for, analysis and synthesis of data and information, with the use of the necessary technology
  • Adapting to new situations
  • Criticism and self-criticism
  • Production of free, creative and inductive thinking

Syllabus

Solution of Large Scale problems from Fluid Mechanics by Numerical Methods: Analysis of the problem - Selection of the appropriate method - Implementation - Comparison of the methods. Solution of Large Scale Optimization problems coming from Control Theory, Data mining - searching, Signal and Image Processing by Numerical Methods: Analysis of the problem - Selection of the appropriate method - Implementation - Comparison of the methods.

Teaching and Learning Methods - Evaluation

Mode of Instruction In the class.
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 -
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
Study and analysis of bibliography 78
Exercises - Homework 70.5
Course total 187.5
Student Performance Evaluation Written examination - Oral Examination - Project

Attached Bibliography

See the official Eudoxus site.