Extensive Mathematics and Physics III: Modelling and SimulationLaajuus (5 cr)
Code: TX00CS00
Credits
5 op
Objective
A student learns to model and simulate various phenomena and to master related computational methods and software. Skills achieved in the two previous courses of this 15-credit elective come to the use in this course. Relativity is studied in the physics of this course. A student with a successful completion of the course obtains knowledge that may help her/him to apply for master programs.
The teachers of the course aim to organize visits to companies and scientific laboratories during the course. The teachers also aim to organize lectures by visiting scientists and people working in companies.
On completion of this course the student:
• is able to model various phenomena and factors affecting them
• has the big picture of the most common mathematical methods of modelling and simulation
• masters the software used in the course
• understands the basic phenomena of relativity
• understands the contents of related scientific and technical articles
Content
• General principles and methods of modeling and simulation
• Optimization methods
• Relativity
Prerequisites
A student who has passed the two previous courses or can show that (s)he masters the material studied during the previous courses is accepted to a student of this last course.
Assessment criteria, satisfactory (1)
The student:
• understands the basic phenomena of relativity and nanophysics
• is able to solve basic optimization problems
Assessment criteria, good (3)
In addition to satisfactory criteria, the student:
• understands the impact of relativity on natural sciences and information transfer and is able to analyze the relationships between the laws of relativity and the mathematical methods related to the applications
• is able to solve simple modelling problems
Assessment criteria, excellent (5)
In addition to the good criteria, the student:
• has an excellent understanding of the studied physical phenomena and their applications
• masters excellently the mathematical methods of the course
• can apply his/her acquired knowledge and methods into various situations
• understands scientific and technological articles of the fields studied in the course
Assessment criteria, approved/failed
The student:
• understands the basic phenomena of relativity
• is able to solve basic optimization problems
Enrollment
18.12.2023 - 14.01.2024
Timing
15.01.2024 - 17.03.2024
Number of ECTS credits allocated
5 op
Mode of delivery
Contact teaching
Unit
School of ICT
Campus
Karaportti 2
Teaching languages
- English
Seats
15 - 35
Degree programmes
- Degree Programme in Information Technology
- Information and Communication Technology
Teachers
- Berit Mannfors
- Juha Koljonen
Groups
-
LUMAExtensive Mathematics and Physics study module
Objective
Kurssilla opitaan erilaisten ilmiöiden mallintamista ja simulointia sekä niihin liittyviä laskennallisia menetelmiä ja tietokoneohjelmia, hyödyntäen myös samaan kokonaisuuteen kuuluvilla aiemmilla kursseilla opittuja tietoja ja taitoja. Opintojaksolla perehdytään myös suhteellisuusteoriaan. Kurssilla menestynyt opiskelija saavuttaa tietämystä, joka voi auttaa maisteriohjelmiin pyrkimistä.
Mahdollisuuksien mukaan kurssin aikana järjestetään vierailu johonkin yritykseen tai tutkimusorganisaatioon. Kurssille pyritään löytämään vierailevia luennoitsijoita.
Suoritettuaan tämän opintokokonaisuuden opiskelija:
• pystyy mallintamaan erilaisia ilmiöitä ja niihin vaikuttavia tekijöitä
• on saanut kokonaiskuvan tavallisimmista mallintamisessa ja simuloinnissa käytettävistä menetelmistä
• hallitsee opintojaksolla käytettävät tietokoneohjelmat
• ymmärtää suhteellisuusteorian perusilmiöt
• ymmärtää mallintamiseen ja simulointiin liittyviä tieteellisiä ja teknisiä artikkeleja
Content
• Yleisiä mallinnuksen ja simuloinnin periaatteita ja peruskäsitteitä
• Optimointimenetelmiä
• Suhteellisuusteoriaa
Evaluation scale
0-5
Assessment criteria, satisfactory (1)
Opiskelija:
• ymmärtää suhteellisuusteorian ja nanofysiikan perusilmiöitä
• osaa ratkaista perusoptimointitehtäviä
Assessment criteria, good (3)
Lisäksi opiskelija:
• ymmärtää suhtellisuusteorian merkityksen luonnontieteisiin ja informaation siirtoon sekä osaa analysoida tähän liittyvien fysikaalisten lainalaisuuksien ja matemaattisten menetelmien keskinäisiä yhteyksiä
• osaa ratkaista yksinkertaisia mallinnusongelmia.
Assessment criteria, excellent (5)
Hyvien tietojen lisäksi opiskelija:
• ymmärtää erinomaisesti opintojaksolla tarkasteltuja fysikaalisia ilmiöitä ja niiden sovelluksia
• hallitsee erinomaisesti opintojakson matemaattiset menetelmät
• osaa soveltaa saavuttamaansa tietämystä ja oppimiaan menetelmiä erilaisiin tilanteisiin
• ymmärtää kurssin aihepiiriin liittyviä tieteellisiä ja teknisiä artikkeleja
Assessment criteria, approved/failed
Opiskelija:
• ymmärtää suhteellisuusteorian perusilmiöt
• osaa ratkaista perustason optimointitehtäviä
Prerequisites
Kurssien Laaja matematiikka I-II sisällöt tai vastaavat tiedot.
Enrollment
28.11.2022 - 08.01.2023
Timing
09.01.2023 - 12.03.2023
Number of ECTS credits allocated
5 op
Mode of delivery
Contact teaching
Unit
School of ICT
Campus
Karaportti 2
Teaching languages
- English
Seats
0 - 40
Degree programmes
- Degree Programme in Information Technology
- Information and Communication Technology
Teachers
- Berit Mannfors
- Juha Koljonen
Groups
-
LUMAExtensive Mathematics and Physics study module
Objective
Kurssilla opitaan erilaisten ilmiöiden mallintamista ja simulointia sekä niihin liittyviä laskennallisia menetelmiä ja tietokoneohjelmia, hyödyntäen myös samaan kokonaisuuteen kuuluvilla aiemmilla kursseilla opittuja tietoja ja taitoja. Opintojaksolla perehdytään myös suhteellisuusteoriaan. Kurssilla menestynyt opiskelija saavuttaa tietämystä, joka voi auttaa maisteriohjelmiin pyrkimistä.
Mahdollisuuksien mukaan kurssin aikana järjestetään vierailu johonkin yritykseen tai tutkimusorganisaatioon. Kurssille pyritään löytämään vierailevia luennoitsijoita.
Suoritettuaan tämän opintokokonaisuuden opiskelija:
• pystyy mallintamaan erilaisia ilmiöitä ja niihin vaikuttavia tekijöitä
• on saanut kokonaiskuvan tavallisimmista mallintamisessa ja simuloinnissa käytettävistä menetelmistä
• hallitsee opintojaksolla käytettävät tietokoneohjelmat
• ymmärtää suhteellisuusteorian perusilmiöt
• ymmärtää mallintamiseen ja simulointiin liittyviä tieteellisiä ja teknisiä artikkeleja
Content
• Yleisiä mallinnuksen ja simuloinnin periaatteita ja peruskäsitteitä
• Optimointimenetelmiä
• Suhteellisuusteoriaa
Evaluation scale
0-5
Assessment criteria, satisfactory (1)
Opiskelija:
• ymmärtää suhteellisuusteorian ja nanofysiikan perusilmiöitä
• osaa ratkaista perusoptimointitehtäviä
Assessment criteria, good (3)
Lisäksi opiskelija:
• ymmärtää suhtellisuusteorian merkityksen luonnontieteisiin ja informaation siirtoon sekä osaa analysoida tähän liittyvien fysikaalisten lainalaisuuksien ja matemaattisten menetelmien keskinäisiä yhteyksiä
• osaa ratkaista yksinkertaisia mallinnusongelmia.
Assessment criteria, excellent (5)
Hyvien tietojen lisäksi opiskelija:
• ymmärtää erinomaisesti opintojaksolla tarkasteltuja fysikaalisia ilmiöitä ja niiden sovelluksia
• hallitsee erinomaisesti opintojakson matemaattiset menetelmät
• osaa soveltaa saavuttamaansa tietämystä ja oppimiaan menetelmiä erilaisiin tilanteisiin
• ymmärtää kurssin aihepiiriin liittyviä tieteellisiä ja teknisiä artikkeleja
Assessment criteria, approved/failed
Opiskelija:
• ymmärtää suhteellisuusteorian perusilmiöt
• osaa ratkaista perustason optimointitehtäviä
Prerequisites
Kurssien Laaja matematiikka I-II sisällöt tai vastaavat tiedot.
Enrollment
20.12.2021 - 09.01.2022
Timing
10.01.2022 - 13.03.2022
Number of ECTS credits allocated
5 op
Mode of delivery
Contact teaching
Unit
School of ICT
Campus
Karaportti 2
Teaching languages
- English
Seats
20 - 40
Degree programmes
- Information and Communication Technology
- Degree Programme in Information Technology
Teachers
- Ari Koistinen
- Berit Mannfors
Groups
-
LUMAExtensive Mathematics and Physics study module
Objective
Kurssilla opitaan erilaisten ilmiöiden mallintamista ja simulointia sekä niihin liittyviä laskennallisia menetelmiä ja tietokoneohjelmia, hyödyntäen myös samaan kokonaisuuteen kuuluvilla aiemmilla kursseilla opittuja tietoja ja taitoja. Opintojaksolla perehdytään myös suhteellisuusteoriaan. Kurssilla menestynyt opiskelija saavuttaa tietämystä, joka voi auttaa maisteriohjelmiin pyrkimistä.
Mahdollisuuksien mukaan kurssin aikana järjestetään vierailu johonkin yritykseen tai tutkimusorganisaatioon. Kurssille pyritään löytämään vierailevia luennoitsijoita.
Suoritettuaan tämän opintokokonaisuuden opiskelija:
• pystyy mallintamaan erilaisia ilmiöitä ja niihin vaikuttavia tekijöitä
• on saanut kokonaiskuvan tavallisimmista mallintamisessa ja simuloinnissa käytettävistä menetelmistä
• hallitsee opintojaksolla käytettävät tietokoneohjelmat
• ymmärtää suhteellisuusteorian perusilmiöt
• ymmärtää mallintamiseen ja simulointiin liittyviä tieteellisiä ja teknisiä artikkeleja
Content
• Yleisiä mallinnuksen ja simuloinnin periaatteita ja peruskäsitteitä
• Optimointimenetelmiä
• Suhteellisuusteoriaa
Evaluation scale
0-5
Assessment criteria, satisfactory (1)
Opiskelija:
• ymmärtää suhteellisuusteorian ja nanofysiikan perusilmiöitä
• osaa ratkaista perusoptimointitehtäviä
Assessment criteria, good (3)
Lisäksi opiskelija:
• ymmärtää suhtellisuusteorian merkityksen luonnontieteisiin ja informaation siirtoon sekä osaa analysoida tähän liittyvien fysikaalisten lainalaisuuksien ja matemaattisten menetelmien keskinäisiä yhteyksiä
• osaa ratkaista yksinkertaisia mallinnusongelmia.
Assessment criteria, excellent (5)
Hyvien tietojen lisäksi opiskelija:
• ymmärtää erinomaisesti opintojaksolla tarkasteltuja fysikaalisia ilmiöitä ja niiden sovelluksia
• hallitsee erinomaisesti opintojakson matemaattiset menetelmät
• osaa soveltaa saavuttamaansa tietämystä ja oppimiaan menetelmiä erilaisiin tilanteisiin
• ymmärtää kurssin aihepiiriin liittyviä tieteellisiä ja teknisiä artikkeleja
Assessment criteria, approved/failed
Opiskelija:
• ymmärtää suhteellisuusteorian perusilmiöt
• osaa ratkaista perustason optimointitehtäviä
Prerequisites
Kurssien Laaja matematiikka I-II sisällöt tai vastaavat tiedot.