Course syllabus
Meddelande 2021-06-29 om problem med registrering (Uppdaterat). Det har kommit flera mail från studenter som av ett eller annat skäl inte blivit registrerade på kursen före deadline. Antagningsenheten meddelar följande: Nu har vi öppnat registreringen igen och den kommer att vara öppen till och med måndagen den 5/7. Alla som inte registrerat sig kan gå in i Ladok och registrera sig själva nu.
Vi uppmanar samtliga att logga in i Ladok och kontrollera att ni står som registrerade. Du måste själv registrera dig på kursen senast 5 juli. Instruktioner finns här:
https://student.portal.chalmers.se/sv/chalmersstudier/nystudent/antagen_till/Sidor/Frist%c3%a5ende-kurs-ST.aspx
Registrering efter 5 Juli kommer inte vara möjligt för någon.
Kurs-PM
DAT455 Introduktion till programmering i Python Summer 2021 (7,5 hp)
Kursen ges av institutionen för Data- och informationsteknik.
Kursen börjar den 29 juni kl. 10:00 med en Zoom-föreläsning. Zoom-länken finns i Announcements och är tillgänglig för de studenter som är registrerade på kursen.
Kursen ges helt på distans. Alla tider för föreläsningar, övningar och laborationer finns i TimeEdit
Resurser utanför Canvas:
- Schema i TimeEdit
- GitHub-repo med kodexempel
- YouTube-kanal med föreläsningar
- svensk-engelsk ordlista för datatermer i slides
- kursboken som officiell e-book
- Slides är länkade från Föreläsningstabellen.
Kontaktuppgifter
Aarne Ranta examinator och föreläsare (email, adress och telefon finns i slutet på hemsidan)
Jonas Almström Duregård föreläsare (email, adress och telefon finns i början på hemsidan)
Kursens syfte
Syftet är att studenterna ska lära sig programmera i programspråket Python. Kursen är främst avsedd för studenter utan tidigare erfarenhet i programmering, och kommer därmed att även förklara allmänna begrepp i datavetenskap.
Labbhandledning och övningar
I TimeEdit finns, förutom "föreläsningar", både "datorlaborationer" och "övningar". De skiljer sig åt på följande sätt:
- en övning är en klass där handledaren går genom exempel och svarar på generella frågor så att alla i klassen får höra svaret
- en datorlaboration är ett tillfälle där studenterna får ställa individuella frågor om sitt eget arbete, i synnerhet om labbarna
Tanken är att varje student ska anmäla sig till en övning och en datorlaboration per föreläsning, dvs oftast två per vecka. Men det finns inga kursmoment med obligatorisk närvaro, förutom tentan den 17 augusti.
Övningspassen och laborationspassen administreras via Slack, som ni ska ha fått en inbjudan till via mail.
Föreläsningstabellen
I tabellen nedan anges föreläsningarnas tema och datum och deras relation till labbarna.
- Föreläsningarna i tabellen sker online och är tillgängliga för registrerade deltagare via en Zoom-länk, som finns publicerad i Announcements den 28 juni.
- Föreläsningarna på YouTube-kanalen https://www.youtube.com/channel/UCxay__rBQeA1bapBONoExlQ har spelats in på en tidigare kurs med samma innehåll och är öppna för alla, men rekommenderas speciellt för dem studenter som inte kan vara med på online-föreläsningarna.
- Slides för föreläsningarna är tillgängliga via länkar i schemat nedan. De kan få mindre uppdateringar under kursens gång.
Deadlines för labbarna finns under Assignments.
Datum |
Innehåll |
Boken |
Övrigt |
29/6 |
Datorer och programmering, intro slides |
1,2 |
Installera Python |
1/7 |
Problemanalys och design av program och funktioner slides |
2,6 |
|
6/7 |
Beräkningar med heltal och flyttal slides |
3 |
|
8/7 |
Strängar, listor, filer slides |
5 |
|
13/7 |
Datasamlingar och dataanalys, design för Lab 1 slides |
11 |
Redo för Lab 1 |
15/7 |
Algoritmer med loopar och villkor slides |
7,8 |
|
22/7 |
4 |
||
23/7 |
Lab 1 deadline |
|
|
27/7 |
Klasser och objektorientering (slides) (racer2.py) (racer3.py) (lärare: Jonas) |
10 |
Redo för Lab 2 |
29/7 |
Objektorienterad design, arv (slides, pdf) (racer4.py ) (lärare: Jonas) |
12 |
|
5/8 |
AI och maskininlärning (översikt och kodexempel) slides |
|
|
9/8 |
Lab 2 deadline |
|
|
10/8 |
Matriser och linjär regression: design för lab 3 slides |
Redo för Lab 3 | |
12/8 |
Analys av algoritmer, komplexitet, rekursion, beräkningsbarhet slides |
13 |
|
13/8 kl 9:00-9:45 |
Upprepning av kursen och genomgång av en gammal tenta |
|
|
17/8 |
Tenta, digitalt på distans, via Canvas, kl 8:30 - 12:30 |
|
|
20/8 |
Lab 3 deadline |
|
|
30/8 |
Sista deadline för andra inlämning av labbar som fått retur |
|
Kurslitteratur, mjukvara och övrigt material
Kursboken: John M. Zelle, Python Programming: An Introduction to Computer Science, 3rd edition, Franklin, Beedle, & Associates, 2017 https://mcsp.wartburg.edu/zelle/python/
Bokens webbsida ger tillgång till gratis slides. Boken rekommenderas varmt: den är lättläst samtidigt som den förklarar sakerna grundligt. Men det är möjligt att klara kursen utan att köpa boken, om man redan är en erfaren programmerare. Boken ska finnas på Chalmers Store, och det finns även en e-bok att köpa (USD 20) här
Filmer: motsvarande föreläsningar är tillgängliga online på Zoom för registrerade studenter. För andra intresserade, samt dem som inte kan delta i online-föreläsningarna, finns filmer från förra årets liknande kurs på en YouTube-kanal
Slides: föreläsningarnas OH-bilder är tillgängliga genom länkar i föreläsningstabellen.
Webbsidan är den här sidan på Canvas och ger tillgång till all information och material.
GitHub: exempelkod och andra användbara moduler kommer att kompletteras under kursens gång.
Mjukvara. All mjukvara är gratis och kan laddas ner från nätet. Under första veckan av kursen kan alla få hjälp med att installera Python i samband med labbhandledningen.
Kursens upplägg
Programmering är en praktisk färdighet, som man lär sig bäst genom att öva den. I gruppsessionerna övar vi “programmering i smått”, dvs vilka verktyg som finns och hur man använder dem. I inlämningsuppgifterna ("labbarna") får man då ta sina första steg till “programmering i stort”, dvs skriva hela program som gör intressanta saker.
Labbarna görs individuellt, och det är förbjudet att kopiera kod från varandra.
Labbarna har varsin deadline, och i regel börjar rättningen först efter deadline. Rättningen kan resultera i att labben är godkänd, eller att den får retur, men kommentarer om vad mer som behöver göras. Labbar som fått retur kan lämnas in fram till den allmänna sista deadline den 27 augusti. Men en första lösning av varje labb måste lämnas in senast före labbens egen deadline. Vi kan endast garantera två försök per labb, men om man lämnar in sitt andra försök i god tid kan det vara möjligt att göra ett tredje försök om nödvändigt.
Som en pågående labb finns automaträttade övningar, som var och en kan göra i sin egen takt. Det är viktigt att komma igång med dessa övningar från början. Deltagandet registreras i Canvas.
Kursen har tre större labbar, som kommer att rättas manuellt av assistenterna:
- 1. Textanalys. Programmet ska läsa dokument, från din egen dator eller webben, och göra frekvensanalys om ordens förekomster. Programmet behöver först rensa bort html-taggar, separera interpunktion från orden, samt bestämma hur de stora och små bokstäverna hanteras. Resultatet ska kunna visas i form av snygga tabeller.
- 2. Grafik och animering. Programmet skapar ett fönster, där man kan skjuta projektiler i olika vinklar och hastigheter. Animeringen visar hur projektilerna flyger och var de landar, genom att använda fysikens lagar.
- 3. Maskininlärning. Den sista labben är samtidigt en introduktion till artificiell intelligens (AI), där man inte skriver exakt vad ett program ska göra, utan programmer lär sig från data. Labben använder sig av linjär regression, som är en av de grundläggande algoritmerna i AI, och dess generalisering till polynomiell regression.
Den övriga undervisningen på kursen har dessa labbar i syfte: vi kommer att gå igenom precis den teori och “programmering i smått” som behövs för att kunna göra labbarna i tid. Samtidigt är labbarna designade så att de ger en bred bild av programmering och erfarenhet till otaliga nya uppgifter som deltagarna ska kunna lösa i livet efter kursen
Förändringar sedan förra kurstillfället
De automaträttade övningarna har som syfte att hjälpa komma igång med egen programmering så snart som möjligt.
Lab 2 har en enklare struktur men samma funktionalitet (samma spel) som tidigare.
Lärandemål
Kunskap och förståelse:
- Uttrycka matematiska formler som uttryck och algoritmer i Python
- Välj lämpliga datatyper och datastrukturer för olika typer av data
- Strukturera stora Python-program i hanterbara och återanvändbara enheter med hjälp av begrepp som moduler, klasser och funktioner
- Söka och hitta relevanta programbibliotek och använda dem på lämpligt sätt
- Förklara förhållandet mellan hårdvara, operativsystem och användarprogram
- Använda Python programmering för grundläggande dataanalys av stora filer
Färdigheter och förmåga:
- Skriva Python-program som manipulerar numerisk och textuell data för att utföra vanliga programmeringsuppgifter
- Bygga interaktiva Python-program med både textbaserade och grafiska användargränssnitt
- Skriva Python-program som läser, ändrar och skapar filer i filsystemet
- Använda standardbibliotek och följa god praxis i programmering
- Testa Python-program med metoder såsom enhets-, regressions- och egenskapsbaserad testning
- Använda programmeringsverktyg såsom textredigerare och versionshanteringssystem
Värderingsförmåga och förhållningssätt:
- Utvärdera svårigheter och resurser som krävs för typiska programmeringsuppgifter
- Analysera kod skriven av andra och hitta fel och möjligheter till förbättring
Examination
För godkänt betyg krävs
- godkända lösningar på alla 3 labbar före kursens sista deadline 27 augusti
- godkända svar på tentan (17 augusti) eller en senare omtenta
Betygskalan är U (underkänt) eller G (godkänt). Både labbarna och tentan måste vara godkända innan resultatet rapporteras i Ladok-systemet.
Officiell kursplan
Länk till kursplanen i Studieportalen Studieplan
Course summary:
Date | Details | Due |
---|---|---|