SOVELLETUN MATEMATIIKAN TEMAATTINEN MAISTERIKOULUTUS 13.3.2013 JYVÄSKYLÄN YLIOPISTO INFORMAATIOTEKNOLOGIAN TIEDEKUNTA 2013
1. AJANKOHTAISUUS ICT on muuttanut ratkaisevasti tapaa, jolla tiedettä maailmassa tehdään. Soveltava matematiikka ja laskennallinen tiede ovat nousseet kolmanneksi tukipilariksi kokeellisen ja teoreettisen tieteen rinnalle. Matematiikkaan pohjautuvien laskennallisten menetelmien ja välineiden kehitys on ollut voimakasta ja tukee toimintaa kaikilla tieteenaloilla. Laskennallisella lähestymistavalla voidaan saavuttaa konkreettisesti merkittäviä säästöjä, kun erilaisia kompleksisia järjestelmiä (tekniset, ihmislähtöiset) voidaan mallintaa ja optimoida entistä tarkemmin. Yhä monimutkaisempien ilmiöiden tutkimuksessa soveltavan matematiikan ja laskennallisen tieteen käyttäminen mahdollistaa aikaisempaa hankalempien ongelmien ratkaisemisen, esimerkkinä ihmisen genomin selvittäminen, sään ennustaminen tai yhteiskunnan monimutkaisten ongelmien ratkaiseminen. Laskennallisen tieteen avulla ratkotaan haastavia tutkimusongelmia hyvin monilla tieteenaloilla sekä poikkitieteellisesti. Laskennallisten menetelmien soveltamisessa tarvitaankin paitsi menetelmäosaamista, myös syvällistä sovellusalueen ymmärrystä. Avaintekijöinä laskennallisen tieteen läpimurrolle on ollut tietotekniikan nopea kehitys, erityisesti tietokoneiden laskenta- ja tiedonhallintakapasiteetin erittäin voimakas kasvu, menetelmäosaamisen kehittyminen ja laajeneminen eri tutkimusalueilla. Sovelletun matematiikan temaattisen maisterikoulutuksen tavoitteena on tarjota mahdollisuus sovelletusta matematiikasta ja laskennallisista tieteistä kiinnostuneille lahjakkaille opiskelijoille kouluttautua matematiikan ja tietotekniikan laitosten yhteistyönä maistereiksi, joilla on valmistuttuaan erinomaiset valmiudet pätevöityä tutkijaksi matematiikan ja tietotekniikan tohtoriohjelmissa tai siirtyä teollisuuden ja elinkeinoelämän vaativiin asiantuntijatehtäviin. Koulutuspaketti on haastava, mutta palkitseva. Yhteistyönä tarjotaan myös ulkomailla perusopintonsa suorittaneille lahjakkaille opiskelijoille mahdollisuus 1-2 vuoden aikana saavuttaa Jyväskylän yliopiston soveltavan matematiikan ja laskennallisten tieteiden jatko-opiskelijoilta vaadittavat pohjatiedot ja -taidot. OPISKELIJAT: Koulutus on tarjolla tietotekniikan ja matematiikan maisteriopiskelijoille, joilla katsotaan olevan edellytykset ja motivaatio suorittaa vaaditut opinnot. Opiskelijaksi hakeudutaan kuten muihinkin matematiikan/tietotekniikan maisteriopintoihin. Koulutukseen valittavilta edellytetään suoritetuksi matematiikan ja tietotekniikan perus- ja aineopinnot sekä kandidaatin tutkinto (tai vastaavat kansainväliset opinnot) pääaineena matematiikka tai tietotekniikka. 2. SOVELTAVAN MATEMATIIKAN MAISTERIKOULUTUKSEN TAVOITTEET OSAAMISTAVOITTEET: TIEDOT: Hallitsee laaja-alaisesti sovelletun matematiikan ja tieteellisen laskennan käsitteitä ja menetelmiä, joita käytetään itsenäisen ajattelun ja tutkimuksen
perustana. Ymmärtää matematiikan ja lähitieteenalojen rajapintojen tietoihin liittyviä laskennallisia kysymyksiä ja tarkastelee niitä ja uutta tietoa kriittisesti, usein tietoteknisestä näkökulmasta katsottuna. TAIDOT: Kykenee ratkaisemaan vaativia ongelmia hyödyntämällä matemaattista, laskennallista ja tietoteknistä erikoisosaamista ja yhdistämällä sitä eri alojen tietoihin. Kykenee kartuttamaan alansa erikoisosaamista ja käytäntöjä sekä seuraamaan ja arvioimaan sovelletun matematiikan ja laskennallisten tieteiden kehitystä. Osaa viestiä ja hyvin suullisesti ja kirjallisesti alan sisäisille ja ulkopuolisille kohderyhmille englannin kielellä. ASENTEET: Maisteri on kiinnostunut soveltamaan sovelletun matematiikan ja tieteellisen laskennan menetelmiä ongelmien ratkaisuun. Maisteri on utelias ja avoin sovelletun matematiikan ja tieteellisen laskennan ongelmille. Maisteri on yhteistyökykyinen ja valmis ottamaan vastuuta. Maisteri on valmis opettelemaan ja opettamaan uutta tietoa. Maisteri asennoituu vakavasti eettisiin kysymyksiin ja noudattaa eettisiä periaatteita. SISÄLLÖLLISET OSAAMISTAVOITTEET JA OPINTOJEN RAKENNE: Opiskelijalle vahvistetaan pääaineen (matematiikka tai tietotekniikka) maisteriopinto-ohjelman pohjalta henkilökohtainen opintosuunnitelma, joka täyttää seuraavat erityisvaatimukset: Matematiikan opintojen tulee sisältää syventävät tiedot funktionaalianalyysistä, mitta- ja integraaliteoriasta sekä kompleksianalyysistä. Tietotekniikan opintojen tulee sisältää syventävät tiedot numeerisesta analyysistä, optimoinnista sekä simuloinnista. Opiskelija suorittaa pää- ja sivuaineelle yhteiset projektiopinnot sekä seminaarin. Opiskelija saavuttaa riittävät valmiudet englannin kielen akateemiseen käyttöön sekä (kansainvälisten opiskelijoiden osalta) suomen kielen alkeiden hallinnan Opetuksen tavoitteena on luoda opiskelijalle vankka osaaminen työskentelyyn informaatioturvallisuuden kokonaishallinnan vaativissa johtamis- kehittämistehtävissä. Informaatioturvallisuuden opetus muodostuu opintokokonaisuudessa, jossa tarkastellaan kybermaailmaa ja sen turvallisuutta yhteiskunnallisesta, toiminnallisesta ja teknologisesta näkökulmasta. HUOMIO OSAAMISTAVOITTEISTA
Aihepiirikohtaiset osaamistavoitteet ovat tarkoitettu HOPSien teon pohjaksi. Nämä osaamistavoitteet muodostavat syventävien opintojen rungon (minimivaatimukset). Kumpikin laitos voi omien osa-alueidensa osalta hyväksyä myös muunlaisen sisällön, jos se katsotaan kokonaisuuden kannalta tarkoituksenmukaisemmaksi. TIETOTEKNIIKANLAITOKSEN KESKEISET OSA-ALUEET SIMULOINTI: Kokonaiskuva mallinnusprosessista (mallin muodostaminen ja validointi, simulointikokeen operatiivinen toteuttaminen luotettavuus- ja tarkkuusarvioineen) sekä mallien ja niiden pohjalta tehtävien simulointien käytöstä (tieteellisen) päätöksenteon tukena (mallinnus- ja testitulosten avulla tehtävä päättely). NUMEERINEN ANALYYSI: Kokonaiskuva osittaisdifferentiaaliyhtälöiden numeerisesta ratkaisemisesta elementtimenetelmällä. Lisäksi yksityiskohtaisempi osaaminen joko funktionaalianalyysin näkökulmasta (esim. virhearviot) tai implementoinnin näkökulmasta (erilaiset diskretisointi-, pohjustus- ja rinnakkaistustekniikat). OPTIMOINTI: Kokonaiskuva epälineaaristen optimoinnin teoriasta ja menetelmistä (lokaalit menetelmät, globaalit menetelmät). Lisäksi yksityiskohtaisempi osaaminen jostakin optimoinnin erityisalueesta ( esim. monitavoitteinen päätöksenteko, optimikontrollitehtävät,...) 3. SOVELTAVAN MATEMATIIKAN MAISTERITUTKINNON RAKENNE Soveltavan matematiikan maisteritutkinnon (FM Matematiikka / FM Tietotekniikka) laajuus on 120 op. FM-tutkinto (soveltava matematiikka) opintopolku/erikoistuminen Pääaineen pakolliset opinnot 44 op + 35 op TIES594 ODY-ratkaisijat, (5 op) TIES481 Simulointi (5 op) TIES483 Epälineaarinen optimointi (5-7 op) MATS110 Mitta- ja integraaliteoria (9 op) MATS120 Kompleksianalyysi (10 op) MATS220 Funktionaalianalyysi (10 op) TIES501 Pro gradu -seminaari, 5 op TIES502 Pro gradu -tutkielma, 30 op
TIES503 Kypsyysnäyte, 0 op Lisäksi syventäviä opintoja, ko. alaan/teemaan liittyen 1-30 op (vastuuprofessorin hyväksyntä, HOPS) Esimerkiksi seuraavat: TIES513 Fysikaaliset mallit tietokoneanimaatioissa, (5 op) TIES487 Advanced Data Mining and Machine Learning TIES445 Tiedonlouhinta, (5 op) TIES581 Numeerinen lineaarialgebra, (5 op) TIES595 Numerical Analysis of PDEs, (5 op) TIES588 Monitavoiteoptimointi, (5 op) TIES583 Optimoinnin jatkokurssi, (5op) TIES584 Matemaattisen mallintamisen jatkokurssi, (3 op) TIES681 Seminar on Mathematical Modelling and Scientific Computing, (0-3 op) TIES411 Konenäkö ja kuva-analyysi (4 op) MIN 80 op YHTEENSÄ Projektiopinnot/projektityö sovellusprojekti, 10 op TAI Soveltavan matematiikan tutkimusprojekti, 10-15 op Sivuaineopinnot Kandidaatin ja maisterin tutkinnon suorittaneella henkilöllä tulee olla suoritettuna kaksi perusopintoja vastaavaa sivuainekokonaisuutta tai yhden aineen perus- ja aineopinnot. Matematiikan o perusopinnot, 25 op JA/TAI o aineopinnot, 35 op Tietotekniikan o perusopinnot, 25 op JA/TAI o aineopinnot, 35 op AHOT (Aiemmin Hankitun Osaamisen Tunnistaminen ja tunnustaminen) mahdollistaa työelämässä hankitun osaamisen huomioon 10-15 op 25-35 op
ottamisen osana tutkintoa. HOPS-laadittaessa voidaan hyväksyä työelämässä hankittua osaamista enintään 30 op. Valinnaiset opinnot 0-15 op Suositellaan: Johtamista & Yrittäjyyttä Kieli- ja viestintäopintoja (englanti, ulkomaalaistaustaisille myös suomi vieraana kielenä -kurssi tms. opintojakso) korkeintaan 10 op. Tutkinto yhteensä Tutkintotodistuksessa käytetään seuraavia termejä : FM Matematiikka (sovellettu matematiikka) FM Tietotekniikka (sovellettu matematiikka) 120 op PAKOLLISTEN KURSSIEN SISÄLTÖKUVAUKSET TIES594 ODY-ratkaisijat (5 op) Luennoitsija: Raino Mäkinen (raino.a.e.makinen@jyu.fi) Sisältö: Johdatus luonnontieteiden ja tekniikan differentiaaliyhtälömalleihin. Osittaisdifferentiaaliyhtälöiden numeerisesta ratkaisemisesta differenssi- ja elementtimenetelmällä. Kirjallisuus: R. J. LeVeque: "Finite difference methods for ordinary and partial differential equations", SIAM (2007) TIES481 Simulointi (5 op) Luennoitsija: Timo Tiihonen (timo.tiihonen@jyu.fi) Sisältö: Kurssi pyrkii antamaan kokonaiskuvan mallinnusprosessista ja mallien ja niiden pohjalta tehtävien simulointien käytöstä (tieteellisen) päätöksenteon tukena. Mallinnuksen osalta keskitytään diskreettiaikaisten järjestelmien mallinnukseen ja simulointiin. Kurssilla käsitellään mallinnusprosessia (mallin muodostaminen ja validointi), mallin toteutusta (mallin logiikan, syöttötietojen ja havainnoitavien piirteiden toteuttaminen), simulointikokeen operatiivista toteutusta sekä erityisesti johtopäätösten tekoa simulointikokeiden avulla. Esitiedot: Todennäköisyyslaskenta tai tilastomenetelmien peruskurssi, perusohjelmointitaito. TIES483 Epälineaarinen optimointi (5-7 op) Luennoitsija: Jussi Hakanen (jussi.hakanen@jyu.fi) Sisältö: Epälineaarisen optimoinnin teoriaa ja menetelmiä. Yhden muuttujan optimointi. Useamman muuttujan rajoitteeton ja rajoitteinen opti-
mointi. Optimaalisuusehtoja. Epälineaariset yhtälöryhmät. Kirjallisuus: Miettinen: Epälineaarinen optimointi (luentomoniste). Esitiedot: Lineaarinen ja diskreetti optimointi (optimointimenetelmät), Numeeriset menetelmät, ohjelmointitaito (Fortran 90/95 tai C/C++). MATS110 Mitta- ja integraaliteoria (9 op) Luennoitsija: Kaj Rajala Kurssin alkuosa MATS111: Kurssin alkuosan opiskellut osaa määritellä Lebesguen mitan ja integraalin, tunnistaa integroituvia funktiota. Osaa perustella ja käyttää mitan perusominaisuuksia. Tuntee mitallisen joukon ja funktion käsitteet sekä niiden struktuurin, ja osaa käyttää niitä. Tuntee ja osaa todistaa tärkeimmät konvergenssilauseet sekä osaa soveltaaa niitä. Hallitsee perusmenetelmän integraalien (ja mittojen) ominaisuuksien tutkimiseksi. Osaa perustellen esittää Riemannin ja Lebesguen integraalien yhteyden sekä erot. Osaa soveltaa Fubinin lausetta ja hahmottaa sen todistuksen pääpiirteissään. Tunteee absoluuttisesti jatkuvien reaalifunktioiden määritelmän ja perusominaisuudet. Kurssin loppuosa MATS112: Hallitsee yleisen ulkomitan määrittelyn, konstruoinnin ja perusominaisuudet sekä Caratheodoryn ehdon mitallisuudelle. Tunnistaa absraktin mitta-avaruuden käsitteen ja osaa antaa (perusteltuja) esimerkkejä tällaisista. Hallitsee mitallisen funktioiden määritelmän ja struktuurin abstraktissa mitta-avaruudessa. Osaa perustellen esittää integrointiteorian perusteet abstraktissa mitta-avaruudessa (osaaa yleistää kurssin alkuosan teorian yleiseen mitta-avaruuteen). Omaa valmiudet soveltaa integrointiteoriaa eri yhteyksissä. MATS120 Kompleksianalyysi (10 op) Luennoitsija: Antti Käenmäki Sisältö: Kompleksianalyysin 1. osa Kurssin onnistuneen suorittamisen jälkeen opiskelija - hallitsee kompleksilukujen algebralliset ja topologiset ominaisuudet - hallitsee kompleksifunktioiden perusominaisuudet - kykenee soveltamaan kompleksilukujen teoriaa matematiikan eri osaalueilla Kompleksianalyysin 2. osa: Kurssin onnistuneen suorittamisen jälkeen opiskelija - kykenee suoriutumaan jo hieman vaativammista kompleksianalyysin sovelluksista - ymmärtää kuinka tuloksia sovelletaan myös syvällisemmässä analyysissä MATS220 Funktionaalianalyysi, 10 op Luennoitsija: Tapio Rajala
Sisältö: Hilbert- ja Banach-avaruudet, jatkuvat lineaarikuvaukset, Fourier-sarjat, Bairen kategoria, heikko topologia, operaattorin spektri. VAPAAVALINTAISTEN TIETOTEKNIIKAN KURSSEJA TIES513 Fysikaaliset mallit tietokoneanimaatioissa (5-6 op) Luennoitsija: Tuomo Rossi (tuomo.j.rossi@jyu.fi) Sisältö: Animaatio- ja pelitarkoituksiin soveltuvan fysiikkamoottorin rakenne ja toiminta, avainasioita (sekalaisessa järjestyksessä): Newtonin mekaniikkaa, differentiaaliyhtälöiden numeerinen ratkaiseminen, jäykät ja nivelletyt kappaleet, kinematiikkaa, käänteiskinematiikkaa, dynamiikkaa, käänteisdynamiikkaa, elastiset muodonmuutokset, törmäykset ja niiden vasteet, partikkelisimulaatiot, virtaukset, ohuet rakenteet. Toteutuksen kannalta tärkeimmät algoritmit ja tietorakenteet. TIES581 Numeerinen lineaarialgebra (6 op) Luennoitsija: Raino Mäkinen (raino.a.e.makinen@jyu.fi) Sisältö: Suurten lineaaristen yhtälöryhmien suorat ja iteratiiviset ratkaisumenetelmät, matriisihajotelmat (QR,SVD), ominaisarvotehtävien numeerinen ratkaiseminen Kirjallisuus: Y. Saad. "Numerical methods for eigenvalue problems" (1992) Y. Saad. "Iterative Methods for Sparse Linear Systems" (2003) TIES445 Tiedonlouhinta (3-5 op) Luennoitsija: Tommi Kärkkäinen (tommi.karkkainen@jyu.fi) Sisältö: Kurssilla perehdytään suurten ja epätäydellisten datamassojen analyysi- eli tiedonlouhintamenetelmiin. Kurssin aluksi käydään läpi peruskäsitteet, määritelmät ja tiedonlouhinta-menetelmien kehittämiseen ja soveltamiseen liittyviä haasteita. Perehdytään tietämyksen etsintä (KDD) prosessin eri vaiheisiin sekä niissä sovellettaviin menetelmiin. Käydään läpi eri tyyppisissä tiedonlouhintaongelmissa käytettäviä menetelmiä. Tutustaan menetelmien soveltamiseen käytännön aineistoissa. Harjoitukset ja projektityö tapahtuvat Matlab-ohjelmistoa käyttäen. Kirjallisuus: Principles of Data Mining, D. Hand, H. Mannila, and P. Smyth, MIT Press, 2001. P-N. Tan, M. Steinbach, V. Kumar, Introduction to Data Mining, Addison Wesley, 2005. J. Han and M. Kamber, Data Mining: Concepts and Techniques, Morgan Kaufmann, 2006. Wang, X.Z., Data mining and knowledge discovery for process monitoring and control, Advances in Industrial Control, Springer, 1999. TIES411 Konenäkö ja kuva-analyysi (4 op) Luennoitsija: Ville Tirronen (ville.e.t.tirronen@jyu.fi) Sisältö: Johdanto konenäköön. Alemman tason konenäkö (spatiaalinen
piirteenirrotus, maskit). Muunnoksista (FFT, Hough,...). Reunan seuranta. Alueiden kuvaukset ja alueiden muodot. Morfologiset operaatiot. Tekstuurianalyysi, väri-informaatio. Kuvien segmentointi. Luokittelijat, neuroverkot. Kohteiden tunnistus. Stereonäkö, 3-D muodon tunnistus. Erikoiset kuvantamislaitteistot. Kirjallisuus: Sonka, Hlavac, Boyle: Image Processing Analysis and Machine Vision. Gonzales, Woods: Digital Image Processing. TIES584 Matemaattisen mallintamisen jatkokurssi (3 op) Luennoitsija: Timo Tiihonen (timo.tiihonen@jyu.fi) Sisältö: Kurssi sisältää useita matemaattiseen mallintamiseen liittyviä osakokonaisuuksia, jotka voidaan suorittaa erikseen. Tarkemmat tiedot kurssin www-sivuilta. Osat liittyvät mallintamisen opintokokonaisuuteen, josta vastaa matemaattisen mallintamisen virtuaaliyliopistokonsortio. 1.1 Soveltuvia verkkokursseja Nimi Statistics One Statistics: Making Sense of Data Statistics Introduction to Statistics: Descriptive Statistics Mathematical Statistics Introduction to Probability and Statistics Statistics for Applications Probability and statistics Probability & Statistics Statistical Reasoning An Introduction to Interactive Programming in Python Introduction to Programming for Digital Artists Creative, Serious and Playful Science of Android Apps Introduction to Computer Science Introduction to Computer Science and Programming URL https://www.coursera.org/course/stats1 https://www.coursera.org/course/introstats https://www.udacity.com/course/st095 https://www.edx.org/courses/berkeleyx/stat2.1x/2013_spring/about http://ocw.mit.edu/courses/mathematics/18-466-mathematical-statisticsspring-2003/ http://ocw.mit.edu/courses/mathematics/18-05-introduction-to-probabilityand-statistics-spring-2005/ http://ocw.mit.edu/courses/mathematics/18-443-statistics-for-applicationsspring-2009/ https://www.khanacademy.org/math/probability http://oli.cmu.edu/courses/free-open/statistics-course-details/ http://oli.cmu.edu/courses/free-open/statistical-reasoning-course-details/ https://www.coursera.org/course/interactivepython https://www.coursera.org/course/chuck101 https://www.coursera.org/course/androidapps101 https://www.udacity.com/course/cs101 https://www.edx.org/courses/mitx/6.00x/2013_spring/about
Introduction to Computer Science I https://www.edx.org/courses/harvardx/cs50x/2012/about Introduction to Computer Science and Programming Computer Science Principles of Computing Media Programming Learn to Program: The Fundamentals Ohjelmoinnin MOOC Object-Oriented programming with Java, part I Peliohjelmoinnin MOOC Introduction to Systematic Program Design Algoritmien MOOC Algorithms, Part I Algorithms, Part II Algorithms: Design and Analysis, Part 1 Algorithms: Design and Analysis, Part 2 Algorithms Introduction to Algorithms 00-introduction-to-computer-science-and-programming-fall-2008/ https://www.khanacademy.org/cs http://oli.cmu.edu/courses/free-open/computing-course-details/ http://oli.cmu.edu/courses/free-open/media-programming-course-details/ https://www.coursera.org/course/programming1 http://mooc.cs.helsinki.fi/ohjelmointi http://mooc.cs.helsinki.fi/programming-part1 http://mooc.cs.helsinki.fi/peliohjelmointi https://www.coursera.org/course/programdesign http://mooc.cs.helsinki.fi/algoritmit https://www.coursera.org/course/algs4parti https://www.coursera.org/course/algs4partii https://www.coursera.org/course/algo https://www.coursera.org/course/algo2 https://www.udacity.com/course/cs215 006-introduction-to-algorithms-fall-2011/ Computer Algorithms in Systems Engineering Game Theory Games without Chance: Combinatorial Game Theory General Game Playing Advanced Algorithms Introduction to Theoretical Computer Science Interactive 3D Graphics Foundations of Computer Graphics Computational Geometry Computer Graphics http://ocw.mit.edu/courses/civil-and-environmental-engineering/1-204- computer-algorithms-in-systems-engineering-spring-2010/index.htm https://www.coursera.org/course/gametheory https://www.coursera.org/course/cgt https://www.coursera.org/course/ggp 854j-advanced-algorithms-fall-2008/ https://www.udacity.com/course/cs313 https://www.udacity.com/course/cs291 https://www.edx.org/courses/berkeleyx/cs184.1x/2013_spring/about http://ocw.mit.edu/courses/mechanical-engineering/2-158j-computationalgeometry-spring-2003/ 837-computer-graphics-fall-2003/
Linear and Discrete Optimization Systems Optimization Optimization Methods Nonlinear Programming Introduction to Numerical Simulation Introduction to Modeling and Simulation Functional Hardware Verification Introduction to Parallel Programming Parallel Computing Theory of Parallel Systems Differential Equations in Action https://www.coursera.org/course/linearopt https://www.coursera.org/course/linearprogramming Linear and Integer Programming http://ocw.mit.edu/courses/sloan-school-of-management/15-057-systemsoptimization-spring-2003/index.htm http://ocw.mit.edu/courses/sloan-school-of-management/15-093joptimization-methods-fall-2009/index.htm http://ocw.mit.edu/courses/sloan-school-of-management/15-084jnonlinear-programming-spring-2004/index.htm https://www.coursera.org/course/modelsystems Everything is the Same: Modeling Engineered Systems 336j-introduction-to-numerical-simulation-sma-5211-fall-2003/ http://ocw.mit.edu/courses/materials-science-and-engineering/3-021jintroduction-to-modeling-and-simulation-spring-2011/ https://www.udacity.com/course/cs348 https://www.udacity.com/course/cs344 https://www.coursera.org/course/hetero Heterogeneous Parallel Programming http://ocw.mit.edu/courses/mathematics/18-337j-parallel-computing-fall- 2011/ 895-theory-of-parallel-systems-sma-5509-fall-2003/ https://www.udacity.com/course/cs222