Předmět podává základní znalosti z teorie grafů a kombinatorických algoritmů, je zaměřen na rozvoj a prohlubovaní logického a algoritmického myšlení studentů a na praktické aplikování kombinatorických algoritmů. Student po absolvování předmětu získá základní teoretické znalosti z oblasti kombinatoriky, teorie grafů, principů dokazování matematických vět a kombinatorických algoritmů a získá dovednosti v řadě praktických aplikací. Bude způsobilý dokázat jednoduché tvrzení z teorie grafů, aplikovat teoretické znalosti a algoritmy na řešení základních diskrétních optimalizačních problémů z praxe a rozhodnout, který algoritmus je vhodný pro řešení dané úlohy.
Prohloubení znalostí, spočívajících ve využití matematických metod v počítačové grafice. Seznámení se speciálními vizualizačními algoritmy a technikami realistického zobrazování. Prostřednictvím zadaných praktických úloh prohlubovat dovednosti v oblasti návrhů vhodných řešení, na základě známých algoritmů a datových struktur. Prohlubovat schopnost implementovat navržené řešení dostupnými programovými prostředky, výsledné řešení dokumentovat a obhájit.
Seznámit se způsoby i rozdílnostmi pravděpodobnostního a statistického myšlení; vysvětlit význam nejpoužívanějších pravděpodobnostních a statistických pojmů; objasnit vypovídací schopnosti elementárních pravděpodobnostních a statistických charakteristik; připravit na navazující exaktně nebo/i kvantitativně orientované odborné předměty. Konkrétně je cílem přednášek vysvětlit přednosti, možnosti a rozdílnosti využití deduktivních (pravděpodobnostních) a induktivních (statistických) úsudků; zabývat se pravděpodobnostními aspekty náhodných jevů a náhodných veličin; důkladněji probrat operace s pravděpodobnostmi náhodných jevů a popis rozdělení jedné a dvou (diskrétních i spojitých) náhodných veličin; ukázat možnosti využití náhodných výběrů k (bodovým a intervalovým) odhadům nejčastěji se vyskytujících populačních charakteristik, jakož i k testům o jejich skutečných hodnotách. Na cvičeních se podrobně zabývat popisem a prezentací běžných typů statistických dat; seznámit s různými typy tabulek a grafů; motivovat ke studiu nabídkou dostatečného počtu různorodých příkladů; ukázat na možnosti využití počítače pro zpracování dat a při řešení některých specifických úloh.
Seznámit se způsoby i rozdílnostmi pravděpodobnostního a statistického myšlení; vysvětlit význam nejpoužívanějších pravděpodobnostních a statistických pojmů; objasnit vypovídací schopnosti elementárních pravděpodobnostních a statistických charakteristik; připravit na navazující exaktně nebo/i kvantitativně orientované odborné předměty. Konkrétně je cílem přednášek vysvětlit přednosti, možnosti a rozdílnosti využití deduktivních (pravděpodobnostních) a induktivních (statistických) úsudků; zabývat se pravděpodobnostními aspekty náhodných jevů a náhodných veličin; důkladněji probrat operace s pravděpodobnostmi náhodných jevů a popis rozdělení jedné a dvou (diskrétních i spojitých) náhodných veličin; ukázat možnosti využití náhodných výběrů k (bodovým a intervalovým) odhadům nejčastěji se vyskytujících populačních charakteristik, jakož i k testům o jejich skutečných hodnotách. Na cvičeních se podrobně zabývat popisem a prezentací běžných typů statistických dat; seznámit s různými typy tabulek a grafů; motivovat ke studiu nabídkou dostatečného počtu různorodých příkladů; ukázat na možnosti využití počítače pro zpracování dat a při řešení některých specifických úloh.
Cílem předmětu jsou základní koncepty v oblasti lineárního programování, matematický aparát a používané metody. Zabývá se typickými modely optimalizačních úloh lineárního programování. Další součásti předmětu jsou modely řízení projektů, řízení zásob a systémů hromadné obsluhy.