Turning Points in Informatics
6 EC
Semester 1, periode 1
5061KEII6Y
Eigenaar | Bachelor Informatica |
Coördinator | prof. dr. ir. A.G. Hoekstra |
Onderdeel van | Bachelor Informatiekunde, jaar 1Bachelor Informatica, jaar 1Bachelor Kunstmatige Intelligentie, jaar 1 |
Links | Zichtbare leerlijnen |
Het vak Keerpunten in de Informatiewetenschappen is onderdeel van de start van de studies Informatica, Informatiekunde en Kunstmatige Intelligentie op de UvA. Dit vak leidt je langs belangrijke keerpunten in de ontwikkeling van informatiedragers, -verwerking, -theorie en -perceptie. Daarbij plaatsen we deze ontwikkelingen in een brede historische, wetenschappelijke en maatschappelijke context. We doen dit door je mee te nemen op een fascinerende reis vanaf de eerste informatiedragers van de mensheid via de inzichten van informatiepioniers zoals Turing en Shannon naar kwantum-informatie en onze digitale maatschappij, gekenmerkt door haar tsunami aan blogs, tweets, digitale beelden en het ‘internet of things’.
In het vak van 8 weken staan colleges gegeven door gerenommeerde hoogleraren centraal. Deze hoogleraren dragen ieder hun unieke expertise en inzichten bij. Hierdoor heb je de mogelijkheid om al bij aanvang van je studie direct kennis te maken met de belangrijkste thema’s waar onderzoek gedaan wordt. Je kunt je voorbereiden op de colleges met behulp van een speciaal voor het vak geselecteerde materiaal. Dit materiaal helpt je de verbindingen te zien tussen heel verschillende ontwikkelingen en perspectieven waarin informatie en informatiewetenschap een centrale rol speelt. Daarnaast helpen werkcolleges je om je verder in de collegestof te verdiepen.
via Canvas
via Canvas
via Canvas
via Canvas
Activiteit |
Uren |
|
Hoorcollege |
28 |
|
Werkcollege |
28 |
|
Symposium |
8 |
|
Zelfstudie |
104 |
|
Totaal |
168 |
(6 EC x 28 uur) |
Aanwezigheidseisen opleiding (OER-B):
Aanvullende eisen voor dit vak:
De aanwezigheidseisen worden nader toegelicht op Canvas.
Onderdeel en weging | Details |
Eindcijfer | |
35% Theoretisch | Moet ≥ 5 zijn, Vereist |
Weekopdracht 1.1: Dataverzameling | Moet ≥ AVV zijn |
Weekopdracht 1.2: Data-analyse | |
Weekopdracht 2: Turing Machines and the Halting Problem | |
Weekopdracht 3: P vs NP, Cryptography and Quantum Computing | |
Weekopdracht 4 | |
Weekopdracht 5: Hybride Intelligentie: de voor- en nadelen van generatieve AI in een infographic | |
Weekopdracht 6: Spreading Phenomena on Networks | |
Weekopdracht 7 | |
65% Praktisch | Moet ≥ 5 zijn, Vereist |
30% Voorbereidende Rapporten | |
35% Eindproject | |
Aanwezigheidseisen | Moet ≥ AVV zijn |
Dit wordt bekend gemaakt op Canvas.
De details van de diverse opdrachten worden bekend gemaakt op Canvas.
Over het algemeen geldt dat elke uitwerking die je inlevert ter verkrijging van een beoordeling voor een vak je eigen werk moet zijn, tenzij samenwerken expliciet door de docent is toegestaan. Het inzien of kopiëren van andermans werk (zelfs als je dat hebt gevonden bij de printer, in een openstaande directory of op een onbeheerde computer) of materiaal overnemen uit een boek, tijdschrift, website, code repository of een andere bron - ook al is het gedeeltelijk - en inleveren alsof het je eigen werk is, is plagiaat.
We juichen toe dat je het cursusmateriaal en de opdrachten met medestudenten bespreekt om het beter te begrijpen. Je mag bronnen op het web raadplegen om meer te weten te komen over het onderwerp en om technische problemen op te lossen, maar niet voor regelrechte antwoorden op opgaven. Als in een uitwerking gebruik is gemaakt van externe bronnen zonder dat een bronvermelding is vermeld (bijvoorbeeld in de rapportage of in commentaar in de code), dan kan dat worden beschouwd als plagiaat.
Deze regels zijn er om alle studenten een eerlijke en optimale leeromgeving aan te kunnen bieden. De verleiding kan groot zijn om te plagiëren als de deadline voor een opdracht nadert, maar doe het niet.
Elke vorm van plagiaat wordt bestraft. Als een student ernstige fraude heeft gepleegd, kan dat leiden tot het uitschrijven uit de Universiteit.
Zie voor meer informatie over het fraude- en plagiaatreglement van de Universiteit van Amsterdam: www.student.uva.nl
Week |
Onderwerp |
Opdrachten |
1 |
A Big History of information carriers, communication and information processing |
· Weekopdracht 1.1: Dataverzameling · Weekopdracht 1.2: Data-analyse · Voorbereidende Rapport: Week 1 |
2 |
Quantification of information |
· Weekopdracht 2: Turing Machines and the Halting Problem · Voorbereidende Rapport: Week 2 |
3 |
From Computing to Quantum omputing |
· Weekopdracht 3: P vs NP, Cryptography and Quantum Computing · Voorbereidende Rapport: Week 3 |
4 |
From Data to Machine Learning and AI |
· Weekopdracht 4 · Voorbereidende Rapport: Week 4 |
5 |
The Rise of Hybrid Intelligence |
· Weekopdracht 5: Hybrid Intelligentie: de voor- en nadelen van generatieve AI in een infographic · Voorbereidende Rapport: Week 5 |
6 |
The Simulated World |
· Weekopdracht 6: Spreading phenomena on Networks · Voorbereidende Rapport: Week 6 |
7 |
The Networked World: from social media to social intelligence |
Weekopdracht 7 |
8 |
Symposium: the Future of Information |
Eindproject |
Check a.u.b. voor het vak begint de Canvas-site van het vak.
Mede-coordinatoren zijn: Martin Bor, Sander van Splunter, Arjan Vreeken
Check Canvas bij wie je terecht kunt met vragen