Intelligente Prüfungsvorbereitung
Analysiere vergangene Prüfungen und erhalte maßgeschneiderte Übungstests mit KI-Unterstützung. Perfekt für Studierende und Dozierende.
Prüfungen hochladen
Lade mindestens 3 Prüfungen desselben Moduls hoch (PDF bevorzugt). Je mehr Prüfungen, desto besser die Analyse.
Dateien hierher ziehen und ablegen
oder
Analyseergebnisse
Basierend auf 3 hochgeladenen Prüfungen
Häufigste Themengebiete
Frageformate Verteilung
[Balkendiagramm der Frageformate]
Schwierigkeitsgrad
[Kreisdiagramm der Schwierigkeitsgrade]
Detaillierte Statistik
| Themengebiet | Häufigkeit | Durchschn. Punkte | Frageformate |
|---|---|---|---|
| Algorithmen | 28% | 12/20 | Offen (60%), MC (30%), Berechnung (10%) |
| Datenstrukturen | 24% | 15/20 | MC (50%), Offen (40%), Diagramm (10%) |
| Grundlagen | 32% | 18/20 | MC (70%), Offen (30%) |
Generierte Übungsprüfung
Basierend auf den Analyseergebnissen
Diese Prüfung wurde von unserer KI erstellt und deckt die wichtigsten Themen ab. Sie enthält eine Mischung aus verschiedenen Fragetypen mit einem vergleichbaren Schwierigkeitsgrad wie die Originalprüfungen.
Frage 1: Algorithmen (12 Punkte)
Offene FrageErläutern Sie den Unterschied zwischen Greedy-Algorithmen und dynamischer Programmierung. Nennen Sie jeweils ein Beispiel und beschreiben Sie, wann welche Methode bevorzugt wird.
Greedy-Algorithmen: Lösen Probleme in Schritten, wobei jeder Schritt die lokal optimale Wahl trifft (z.B. Kruskals Algorithmus für minimale Spannbäume).
Dynamische Programmierung: Löst Teilprobleme und speichert Ergebnisse für spätere Verwendung (z.B. Fibonacci-Zahlen).
Greedy ist einfacher aber nicht immer optimal. DP ist rechenintensiver aber garantiert optimale Lösungen.
Frage 2: Datenstrukturen (8 Punkte)
Multiple ChoiceWelche der folgenden Aussagen über Hash-Tabellen sind korrekt? (Mehrere Antworten möglich)
Korrekte Antworten: 1, 2, 4. Die Load-Factor kann je nach Implementierung höher sein, typischerweise wird bei 0.7-0.8 neu gehasht.
Frage 3: Komplexität (10 Punkte)
BerechnungGegeben ist folgender Algorithmus. Bestimmen Sie die Zeitkomplexität in O-Notation und begründen Sie Ihre Antwort:
function example(n) {
let sum = 0;
for (let i = 0; i < n; i++) {
for (let j = 0; j < i; j++) {
sum += i * j;
}
}
return sum;
}
Die Zeitkomplexität ist O(n²). Die äußere Schleife läuft n-mal. Die innere Schleife läuft im ersten Durchgang 0-mal, dann 1-mal, dann 2-mal usw. bis n-1-mal. Die Gesamtanzahl der Operationen ist daher 0 + 1 + 2 + ... + (n-1) = n(n-1)/2 ∈ O(n²).
