Математические методы прогнозирования (кафедра ВМиК МГУ)/Доска объявлений

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(Новости: Спецкурс ''Задачи и алгоритмы вычислительной геометрии")
Текущая версия (22:46, 11 октября 2024) (править) (отменить)
(Новости)
 
(89 промежуточных версий не показаны.)
Строка 34: Строка 34:
|}
|}
|style="border-left:1px #aaa solid"| 
|style="border-left:1px #aaa solid"| 
-
|Тел. +7-495-939-4202<br>e-mail: [[Изображение:MMP_email.jpg]]<br>Ученый секретарь: [[Участник:Kropotov|Д.А. Кропотов]]<br>'''[[Математические методы прогнозирования (кафедра ВМиК МГУ)/О кафедре#Контакты|Все контакты]]'''
+
|Тел. +7-495-939-4202<br>e-mail: [[Изображение:MMP_email.jpg]]<br>Ученый секретарь: О.А. Кравцова<br>'''[[Математические методы прогнозирования (кафедра ВМиК МГУ)/О кафедре#Контакты|Все контакты]]'''
|}
|}
----
----
Строка 50: Строка 50:
=== Новости ===
=== Новости ===
</noinclude>
</noinclude>
-
{{#if: {{{Курсы|}}}
+
{{#if: {{{Курсы|}}}
|
|
|<!-- СЮДА ПОМЕЩАЮТСЯ АКТУАЛЬНЫЕ НОВОСТИ (самая последняя -- в самом вверху): -->
|<!-- СЮДА ПОМЕЩАЮТСЯ АКТУАЛЬНЫЕ НОВОСТИ (самая последняя -- в самом вверху): -->
-
}}
+
 
-
<noinclude>=== Объявления о курсах ===</noinclude>{{#if: {{{Новости|}}}
+
<noinclude>=== Объявления о курсах ===</noinclude>
 +
{{#if: {{{Новости|}}}
|
|
|<!-- СЮДА ПОМЕЩАЮТСЯ АКТУАЛЬНЫЕ ОБЪЯВЛЕНИЯ О КУРСАХ -->
|<!-- СЮДА ПОМЕЩАЮТСЯ АКТУАЛЬНЫЕ ОБЪЯВЛЕНИЯ О КУРСАХ -->
-
* '''17 февраля 2017 года:''' Спецкурс '''"Задачи и алгоритмы вычислительной геометрии" (Computational Geometry: Problems and Algorithms)''', лектор [[Участник:Mest|Л.М. Местецкий]], проходит по пятницам с в ауд. '''607''', начало в 18-05. Первое занятие состоится {{Важно|10 марта (пятница)}}. <br /> Семестровый спецкурс для студентов ВМК Эффективные алгоритмы работы с геометрической информацией являются непременным атрибутом всех современных систем машинного зрения, анализа и распознавания изображений, компьютерной графики и геоинформатики. Геометрические алгоритмы предоставляют хорошее поле для развития алгоритмического мышления, необходимого в прикладной математике. В первой части спецкурса будут рассмотрены классические темы вычислительной геометрии: геометрический поиск, выпуклые оболочки, пересечение и близость объектов, диаграммы Вороного, триангуляции Делоне. Вторая часть курса посвящена скелетам, обобщениям диаграмм Вороного для многоугольников и задачам медиального анализа формы изображений. Просьба к желающим прослушать этот курс зарегистрироваться, послав письмо на почту mestlm@mail.ru Приглашаются студенты, магистры и аспиранты.
 
-
* '''6 февраля 2017 года:''' Спецкурс '''"Вероятностное тематическое моделирование"''', лектор профессор РАН, д.ф.-м.н. [[Участник:Vokov|К.В. Воронцов]], проходит '''по пятницам в ауд. 609, начало в 18-00'''. Первое занятие состоится {{Важно|10 февраля (пятница)}}. Специальный раздел машинного обучения. Математика на стыке теорвера и оптимизации. Матричные разложения и регуляризация некорректно поставленных задач. Немного компьютерной лингвистики. Новые парадигмы информационного поиска для изучения и систематизации знаний. Когнитивная графика для анализа больших текстовых коллекций и концепция «distant reading». Неожиданные приложения методов анализа текстов к транзакционным данным банка и медицинской диагностике по электрокардиограмме. Для любителей программирования – участие в проекте с открытым кодом BigARTM.org. Для особо увлечённых – дополнительные семинары в офисе Яндекса по средам вечером. Решение задач из реальной жизни, у которых нет правильного ответа в конце учебника. 18+ (для студентов, познавших теорвер): '''[[Вероятностные тематические модели (курс лекций, К.В.Воронцов)|Вероятностные тематические модели]]''', [[Участник:Vokov|К.В. Воронцов]]
 
-
* '''13 февраля 2017 года:''' Начинается чтение спецкурса '''[[Логический анализ данных в распознавании (курс лекций, Е.В. Дюкова)|«Логический анализ данных в распознавании»]]''', лектор [[Участник:Djukova|Е.В.Дюкова]]. В спецкурсе будут изложены общие принципы, лежащие в основе дискретных методов анализа информации в задачах распознавания, классификации и прогнозирования. Будут рассмотрены подходы к конструированию процедур распознавания на основе использования аппарата логических функций и методов построения покрытий булевых и целочисленных матриц. Будут изучены основные модели и рассмотрены вопросы, связанные с исследованием сложности их реализации и качества решения прикладных задач. Спецкурс рассчитан на студентов 2-5 курсов. По спецкурсу издано учебное пособие. Спецкурс рассчитан на студентов 2-5 курсов. По спецкурсу издано [http://www.ccas.ru/frc/papers/djukova03mp.pdf учебное пособие]. Спецкурс проходит '''по понедельникам в ауд. 645, начало в 16-20'''. Первое занятие состоится {{Важно|20 февраля (понедельник)}}.
 
-
* '''13 февраля 2017 года:''' Спецкурс '''[[Нестатистические методы анализа данных и классификации (курс лекций, В.В.Рязанов)|Нестатистический анализ данных]]''', лектор [[Участник:Rvv|В.В.Рязанов]], проходит '''по вторникам, начало в 18-00, в ауд. 605'''.<br /> Первая лекция состоится {{Важно|28 февраля (вторник)}}. В спецкурсе будут рассмотрены проблемы и методы кластерного анализа (подходы и алгоритмы кластеризации с известным и неизвестным числом кластеров, критерии кластеризации, вопросы устойчивости, построение оптимальных решений), дискретные методы для решения задач классификации множествами алгоритмов, новые подходы и алгоритмы в регрессионном анализе и анализе данных (решение задач восстановления зависимостей на основе решения задач классификации, задачи классификации с большим числом классов). Будут рассмотрены практические задачи классификации и поиска зависимостей по прецедентам, применения в медицине, бизнесе и технике.
 
-
* '''13 февраля 2017 года:''' Начинается чтение спецкурса '''«Методы машинного обучения и поиск достоверных закономерностей в данных»''', лектор д.ф.-м.н. Сенько О.В. В курсе обсуждаются основные проблемы, возникающие при использовании методов обучения по прецедентам (машинного обучения). Обсуждаются способы повышения обобщающей способности – точности прогноза на новых данных. Рассказывается о тесно связанной с задачей машинного обучения задаче поиска закономерностей в данных. Под закономерностью понимается некоторое относительно простое правило, связывающее прогнозируемую величину с другими переменными. Рассказывается о современных методах статистической верификации закономерностей, основанных на перестановочных тестах. Обсуждаются методы распознавания и регрессионного анализа, основанные методы, основанные на вычислении коллективных решений по системам закономерностей. Рассказывается также о различных методах кластерного анализа. Приведены примеры успешно решённых задач диагностики, прогнозирования, интеллектуального анализа данных в различных областях, включая медицину, антропологию, социологию, химию др. Курс проходит по '''четвергам в ауд. 507, начало в 18-00'''. Первое занятие состоится {{важно|16 февраля}}.
 
-
* '''13 февраля 2017 года:''' Начинается чтение спецкурса '''«Анализ графов, сетей, функций сходства»''', лектор А.И. Майсурадзе. В курсе изучаются методы и технологии интеллектуального анализа данных (ИАД, Data Mining), базирующиеся на моделях, в которых объекты рассматриваются парами. Есть два основных пути формализовать пару объектов: между некоторыми объектами есть связь или взаимодействие — и тогда мы говорим о графах и сетях; между всеми объектами есть сходство или расстояние — и тогда речь идёт о различных метриках. Эти две формализации не исключают друг друга, например в классической задаче поиска кратчайшего пути мы говорим одновременно о графах и расстояниях. Сегодня графы появляются всё время и во всех предметных областях. Если некоторые теоретические подходы и индустриальные стандарты возникли уже несколько десятилетий назад, то технологии сбора и обработки информации развиваются в наши дни. Основное внимание уделяется анализу свойств и выявлению подструктур в сетях. Важную роль играет изучение механизмов роста сетей, базирующееся на различных моделях и методах генерации графов. Идея сходства свойственна человеческому мышлению, это породило целый комплекс подходов для решения всех фундаментальных задач ИАД. Представлена теоретическая основа для построения, реализации и анализа широкого спектра моделей и методов ИАД. Рассмотрены методы построения и вычисления функций сходства, согласование сходства на различных множествах объектов, синтез новых способов сравнения объектов на базе уже имеющихся. Рассмотрен комплекс технологий, предназначенный для эффективного представления и обработки метрической информации вычислительными системами. Изучаются специальные структуры данных и алгоритмы, позволяющие эффективно настраивать и использовать изучаемые модели. Существенный практический интерес представляют различные методы визуализации рассматриваемых информационных моделей. Спецкурс могут слушать второкурсники. Спецкурс проходит по '''понедельникам в ауд. 607, начало в 16-20'''. Первое занятие состоится {{важно|13 февраля}}.
 
-
+
* '''24.09.2024 года:''' Начинается чтение спецкурса ''' [[Логический анализ данных в распознавании (курс лекций, Е.В. Дюкова)|Логический анализ данных в распознавании]]''', (Logical data analysis in recognition) Читают д.ф.-м.н. [[Участник:Djukova|Е.В. Дюкова]] и к. ф.-м.н. [[Участник:Pprok|П.А. Прокофьев]]. Первое занятие состоится {{Важно|14 октября 2024 г. в 17.15 в ауд. 653.}}.
-
+
В спецкурсе будут изложены общие принципы, лежащие в основе дискретных методов анализа информации в задачах распознавания, классификации и прогнозирования. Будут рассмотрены подходы к конструированию процедур классификации по прецедентам на основе использования аппарата логических функций и методов построения покрытий булевых и целочисленных матриц. Будут изучены основные модели логических процедур классификации и рассмотрены вопросы, связанные с исследованием сложности их реализации и качества решения прикладных задач.
 +
 
 +
Спецкурс для бакалавров 2-4 курсов. По спецкурсу издано [http://www.ccas.ru/frc/papers/djukova03mp.pdf учебное пособие]. Презентации лекций выставлены на сайте кафедры ММП. Записаться на спецкурс и задать вопрос можно, послав письмо на адрес: edjukova@mail.ru или p_prok@mail.ru.
 +
 
}}
}}
Строка 74: Строка 72:
=== Архив новостей и объявлений о курсах ===
=== Архив новостей и объявлений о курсах ===
 +
'''30.07.2024 г.''': Для поступающих в магистратуру кафедры (из тех, кто не заканчивал бакалавриат кафедры) доп. испытание на программу состоится онлайн 1 августа 2024, начало в 10-00.
 +
Для участия в доп.испытании на программу просьба добавиться в [https://t.me/+LWZwuF5HAE5iMjI6 телеграм-чат]. Также просьба заполнить [https://docs.google.com/forms/d/e/1FAIpQLSc03288OmD-a0eZdudIE8C5mNeD9has34A80uWS0sQMTd7jGw/viewform анкету] с информацией о себе.
 +
}}
 +
 +
'''28.07.2023 г.''': Для поступающих в магистратуру кафедры (из тех, кто не заканчивал бакалавриат кафедры) доп. испытание на программу состоится онлайн 7 августа 2023, начало в 11-00.
 +
 +
'''07.07.2022 г.''': Для поступающих в магистратуру кафедры (из тех, кто не заканчивал бакалавриат кафедры) для участия в доп.испытании на программу просьба добавиться в телеграм-чат. Также просьба заполнить анкету с информацией о себе.
 +
 +
'''05.05.2022 г.''': [https://bit.ly/3kFw0cF Добавлен] список студентов 2-го курса, распределённых на кафедру.
 +
 +
'''10.09.2020 г.''': Для желающих посещать спецкурсы Дьяконова А.Г. Бакалавры могут посмотреть правила регистрации на спецкурс "Введение в машинное обучение" здесь - https://github.com/Dyakonov/IML/ Магистры могут посмотреть правила регистрации на спецкурс "Прикладные задачи анализа данных" здесь - https://github.com/Dyakonov/PZAD/
 +
 +
'''29.07.2020 г.''': Завершён набор в магистратуру кафедры. Список принятых студентов находится [[Математические методы прогнозирования (кафедра ВМиК МГУ)/Персональный состав#Магистры 1-й год обучения (выпуск 2022 года)|здесь]].
 +
 +
'''07.05.2020 г.''': Завершён набор на кафедру студентов 2-го курса. Список принятых студентов находится [https://bit.ly/2yF2XS3 здесь].
 +
 +
'''01.04.2020 г.''': Добавлено [[Математические методы прогнозирования (кафедра ВМиК МГУ)/Расписание|расписание]] экзаменов и выпускных мероприятий в летнюю сессию.
 +
 +
'''27.01.2020 г.''': Добавлено [[Математические методы прогнозирования (кафедра ВМиК МГУ)/Расписание|расписание занятий]] на весенний семестр.
 +
 +
* '''23 сентября 2019 года:''' Начинается чтение спецкурса ''' [[Логический анализ данных в распознавании (курс лекций, Е.В. Дюкова)|Логический анализ данных в распознавании]]''', (Logical data analysis in recognition) [[Участник:Djukova|лектор Е.В. Дюкова]].
 +
В спецкурсе будут изложены общие принципы, лежащие в основе дискретных методов анализа информации в задачах распознавания, классификации и прогнозирования. Будут рассмотрены подходы к конструированию процедур распознавания на основе использования аппарата логических функций и методов построения покрытий булевых и целочисленных матриц. Будут изучены основные модели и рассмотрены вопросы, связанные с исследованием сложности их реализации и качества решения прикладных задач. Спецкурс для бакалавров 2-4 курсов. По спецкурсу издано учебное пособие. Спецкурс проходит '''по понедельникам в ауд. 615, начало в 16-20'''. Первое занятие состоится {{Важно|30 сентября (понедельник)}}.
 +
 +
* '''23 сентября 2019 года:''' Начинается чтение спецкурса ''' Методы машинного обучения и поиск достоверных закономерностей в данных (Machine learning and search of regularities in data)»''', лектор д.ф.-м.н. Сенько О.В.
 +
В курсе обсуждаются основные проблемы, возникающие при использовании методов обучения по прецедентам (машинного обучения). Обсуждаются способы повышения обобщающей способности – точности прогноза на новых данных. Рассказывается о тесно связанной с задачей машинного обучения задаче поиска закономерностей в данных. Под закономерностью понимается некоторое относительно простое правило, связывающее прогнозируемую величину с другими переменными. Рассказывается о современных методах статистической верификации закономерностей, основанных на перестановочных тестах. Обсуждаются методы распознавания и регрессионного анализа, основанные методы, основанные на вычислении коллективных решений по системам закономерностей. Рассказывается также о различных методах кластерного анализа. Приведены примеры успешно решённых задач диагностики, прогнозирования, интеллектуального анализа данных в различных областях, включая медицину, антропологию, социологию, химию др. Приглашаются бакалавры. Спецкурс проходит по '''четвергам в ауд. 606, начало в 18-00'''. Первое занятие состоится {{важно|26 сентября (четверг)}}.
 +
 +
'''10.09.2019''': Начинает работу спецсеминар [https://docs.google.com/document/d/1rfsmOIWl6vo9lt2Zr9ZwkIvDyO94ZngqcNoVm24pKac/edit Байесовские методы машинного обучения], рук. Ветров Д.П. Спецсеминар будет проходить в здании ВШЭ на Покровском бульваре в ауд. R304, начало в 19-00. Первый спецсеминар состоится 13 сентября.
 +
 +
'''04.12.2019 г.''': Добавлено [[Математические методы прогнозирования (кафедра ВМиК МГУ)/Расписание|расписание экзаменов]] в зимнюю сессию.
 +
 +
'''30.08.2019 г.''': Добавлено [[Математические методы прогнозирования (кафедра ВМиК МГУ)/Расписание|расписание занятий]] на предстоящий семестр.
 +
 +
'''27.08.2019 г.''': [http://bit.ly/2Zto1Cu Определён] список студентов, принятых в магистратуру кафедры в 2019 году.
 +
 +
'''14.05.2018 г.''': Определён [[Математические методы прогнозирования (кафедра ВМиК МГУ)/Персональный состав#Студенты 2-го курса, принятые на кафедру (бакалавры, выпуск 2020 года) |список студентов 2-го курса]], зачисленных на кафедру
 +
 +
'''05.04.2018 г.''': Добавлено расписание выпускных мероприятий.
 +
 +
'''02.04.2018 г.''': {{важно|Внимание студентов 2-го курса!}} '''9 апреля (понедельник) в 16:30 в 685 ауд.''' желающие второкурсники приглашаются послушать лекцию профессора кафедры ММП Дьяконова Александра «Анализ данных, Большие данные, Машинное обучение» про основную специализацию кафедры.
 +
 +
'''26.03.2018 г.''': {{важно|Внимание студентов 2-го курса!}} Для получения рекомендации на кафедру ММП под научное руководство [[Участник:Dj|А.Г.Дьяконова]] необходимо пройти процесс отбора. Для этого надо связаться с потенциальным научным руководителем по почте (тема письма "ВМК 2 курс", в письме обязательно достаточно полно рассказать о себе).
 +
 +
'''09.03.2018 г.''': {{важно|Внимание студентов 2-го курса!}} Для получения рекомендации на кафедру ММП под научное руководство Кропотова Д.А. необходимо пройти процесс отбора в группу Байесовских методов. Подробности [https://cs.hse.ru/en/bayesgroup/admission здесь]. Срок сдачи реферата: 12 апреля, 23:59.
 +
 +
'''Спецкурсы и спецсеминары в весеннем семестре 2017/2018 уч.г.'''
 +
 +
'''Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы»''', руководители [[Участник:Sgur|С.И.Гуров]], [[Участник:AIM|А.И.Майсурадзе]]
 +
Спецсеминар проходит '''по средам в ауд. 704, начало в 18-15'''. {{Важно|25 апреля (среда)}} на спецсеминаре состоится доклад И. С. Балашова '''Исследование структуры микробиоты в динамике и ее роли в развитии преждевременных родов'''. Проблематика изучения микроботы человека обусловлена как сложностью взаимоотношений макро- и микроорганизмов, так и отсутствием в полной мере понимания механизмов этих взаимоотношений. В настоящий момент существует ряд методов изучения структуры микробиома для клинической практики, однако анализ этих данных по-прежнему представляет собой нетривиальную задачу в том числе по причине малого количества данных и высокой вариабельности объекта исследования. В докладе будет рассмотрена практическая задача оценки влияния структуры микробиоты и ее динамики на вероятность развития преждевременных родов, проведен поиск сообществ, предложен ряд решений по визуализации данных. На спецсеминаре состоится доклад Г. В. Кормакова '''Сбоеустойчивые обратимые схемы''' Важнейшей проблемой как классических вычислений, так и обратимых, по сей день остаётся проблема сбоеустойчивости соответствующих схем. Для наиболее важных элементов схемы создавалась так называемая схемная избыточность, что обеспечивало обнаружение ошибки. В тоже время актуальной стала диагностика сбоев контролем чётности. В докладе будет рассмотрено понятие сбоеустойчивости, описаны основные модели тестирования схем, методы синтеза сбоеустойчивых обратимых схем, способы диагностирования сбоев и сбоеустойчивое кодирование в пространстве Хэмминга.
 +
 +
'''Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы»''', руководители [[Участник:Sgur|С.И.Гуров]], [[Участник:AIM|А.И.Майсурадзе]]
 +
Спецсеминар проходит '''по средам в ауд. 704, начало в 18-15'''. {{Важно|18 апреля (среда)}} на спецсеминаре состоится доклад А. Н. Шестаковой '''Обработка и анализ сигналов, полученных при обследовании тактильным механорецептором'''. Механорецептор - система, состоящая из эластичной воспринимающей внешнее давление мембраны, прикрывающей одинаковые по объему полости, которые изменяются при контакте с «ощупываемым» объектом. Он применяется для получения тактильной информации в эндоскопической хирургии, когда врач не может сам "потрогать" ткань или орган. В докладе будут рассмотрены обработка и распознавание тактильных сигналов, на примере исследований с использованием тактильного механорецептора, разработанного в МГУ им. М. В. Ломоносова.
 +
На спецсеминаре состоится доклад С. И. Гурова '''Обратимые вычисления: краткое введение в проблему'''. Интерес к обратимым вычислениям и реализующим их схемам из обратимых элементов возник в начале 1960-х г., когда был открыт эффект Неймана-Ландауэра: в любой вычислительной системе, независимо от её физической реализации, при потере одного бита информации выделяется теплота в количестве не менее Дж. В докладе будет кратко рассмотрена проблематика обратимой схемотехники.
 +
 +
'''Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы»''', руководители [[Участник:Sgur|С.И.Гуров]], [[Участник:AIM|А.И.Майсурадзе]]
 +
Спецсеминар проходит '''по средам в ауд. 704, начало в 18-15'''. {{Важно|11 апреля (среда)}} на спецсеминаре состоится доклад А. И. Андрейцева '''Комбинаторный подход в распознавании рукописных цифр'''. В докладе будут рассмотрены методы распознавания рукописных цифр на основе построения кривых Фримена и неявных полиномов по оцифрованным матрицам.
 +
На спецсеминаре состоится доклад Н. Е. Юдина '''Непрямое управление динамическимобъектом'''. В докладе будет рассмотрено построение в рамках полидисциплинарного направления человеко-компьютерного взаимодействия (HCI, human–computerinteraction) системы манипулирования объектом с помощью жестов руки. Непосредственно в задаче распознавания жестов руки были рассмотрены признаки, построенные на гистограммах направлений градиентов и дефектов выпуклой оболочки руки, а также признаки, полученные с помощью свёрточной нейронной сети.
 +
 +
'''Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы»''', руководители [[Участник:Sgur|С.И.Гуров]], [[Участник:AIM|А.И.Майсурадзе]]
 +
Спецсеминар проходит '''по средам в ауд. 704, начало в 18-15'''. {{Важно|4 апреля (среда)}} на спецсеминаре состоится доклад Т. А. Камалбекова '''Методы комбинирования функций сходства'''. В метрических алгоритмах машинного обучения центральным объектом является функция сходства. Задача Metric Learning состоит в предобучении данной функции по размеченным признаковым описаниям. Если же «хорошие» функции расстояния, использующие особенности предметной области, нам даны извне, то можно поставить задачу составления новой функции расстояния, являющейся комбинацией заданных. Эта задача называется Metric Extraction.
 +
Одним из самых распространённых способов верификации документа является подпись. Но, несмотря на распространённость, визуально сложно отличить настоящую подпись от подделки. Поэтому встаёт задача автоматического распознавания подписи. В своём докладе я расскажу о решении данной задачи с помощью приёмов Metric Learning и Metric Extraction. На спецсеминаре состоится доклад А. А. Цыпина '''Стоимость преобразования для сравнения объектов'''. Распознавание и информационный поиск часто опираются на попарное сравнение объектов. Одной из базовых идей такого сравнения является оценка стоимости преобразования одного объекта во второй. Соответственно, функция сходства определяется как результат решения задачи оптимизации. Для ускорения часто приходится решать такую задачу приближенно. В докладе такая схема построения функции сходства будет рассмотрена на примере метрики перемещения слов (word mover’s distance), которая сочетает идеи вложения отдельных слов в векторное пространство и оптимального перераспределения смысла слов.
 +
 +
'''Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы»''', руководители [[Участник:Sgur|С.И.Гуров]], [[Участник:AIM|А.И.Майсурадзе]]
 +
Спецсеминар проходит '''по средам в ауд. 704, начало в 18-15'''. {{Важно|28 марта (среда)}} на спецсеминаре состоится доклад В. Д. Козлова '''Обзор методов сопоставления графов'''.Во многих современных задачах интеллектуального анализа данных часто возникают ситуации, когда объекты распознавания представляют собой набор взаимодействующих между собой компонентов. Естественным способом моделирования таких данных являются графы, структура которых зависит от конкретной предметной области. Графовое представление объектов применяется в задачах анализа и распознавания изображений, поиска по базам данных изображений и видео, отслеживания объектов в видеопотоке, биометрической идентификации и др. Для решения задач распознавания по таким формальным описаниям необходимо каким-либо образом сравнивать графы между собой. В докладе будут рассмотрены существующие подходы к сравнению графов применительно к задачам анализа данных.
 +
 +
'''Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы»''', руководители [[Участник:Sgur|С.И.Гуров]], [[Участник:AIM|А.И.Майсурадзе]]
 +
Спецсеминар проходит '''по средам в ауд. 704, начало в 18-15'''. {{Важно|21 марта (среда)}} на спецсеминаре состоится доклад А. М. Георгиевской '''Фотографические биомаркеры старения млекопитающих'''. В настоящий момент существует целый ряд инвазивных и дорогостоящих биомаркеров старения. Фотографии и видео являются обширным источником информации, их использование для разработки неинвазивных биомаркеров представляется перспективным направлением. Поскольку все лекарства для человека, в том числе геропротекторы (вещества, замедляющие старение), тестируются на модельных организмах млекопитающих, необходимо создание биомаркеров для этих животных, а также тестирование их применимости для человека. В докладе будет проведен обзор применения методов машинного обучения для анализа биологических данных с целью поиска биомаркеров старения. Также будет рассмотрена возможность использовать данные для модельного объекта домовая мышь (mus musculus) для поиска биомаркеров старения человека.
 +
 +
'''Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы»''', руководители [[Участник:Sgur|С.И.Гуров]], [[Участник:AIM|А.И.Майсурадзе]]
 +
Спецсеминар проходит '''по средам в ауд. 704, начало в 18-15'''. Первое занятие состоится {{Важно|7 марта (среда)}} на спецсеминаре состоится доклад С. В. Илларионовой '''Машинное обучение определения сельскохозяйственных культур по данным ДЗЗ'''. Одной из широко развивающихся областей приложения методов машинного обучения является анализ земной поверхности из космоса. Базы данных сервисов для космических исследований ежедневно пополняются информацией с различных спутников. Это позволяет обрабатывать и формировать необходимые для обучения классификаторов наборы больших данных. Результаты проводимых исследований в этой области используются как государственными, так и коммерческими организациями и позволяют предсказывать и анализировать процессы, происходящие на Земле. Отдельное внимание уделяется дистанционному зондированию сельскохозяйственных земель для определения произрастающих культур изучаемого региона.
 +
 +
'''Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы»''', руководители [[Участник:Sgur|С.И.Гуров]], [[Участник:AIM|А.И.Майсурадзе]]
 +
Спецсеминар проходит '''по средам в ауд. 704, начало в 18-15'''. Первое занятие состоится {{Важно|28 февраля (среда)}} на спецсеминаре состоится доклад Д. В. Самойлова '''Основы технологии блокчейна'''. В докладе будет рассмотрены базовые технологии, лежащие в основе криптовалют и блокчейна в целом. Что такое и как устроены криптовалюты? Какие технологии лежат в основе блокчейн? Какие криптографические алгоритмы используются? Что такое консенсус алгоритмы? Как работают смартконтракты? Каковы основные направления развития технологий блокчейна? Вопросы к докладчику приветствуются.
 +
 +
'''Задачи и алгоритмы вычислительной геометрии''' (Computational Geometry: Problems and Algorithms), [[Участник:Mest|Л.М. Местецкий]].
 +
Эффективные алгоритмы работы с геометрической информацией являются непременным атрибутом всех современных систем машинного зрения, анализа и распознавания изображений, компьютерной графики и геоинформатики. Геометрические алгоритмы предоставляют хорошее поле для развития алгоритмического мышления, необходимого в прикладной математике. В первой части спецкурса будут рассмотрены классические темы вычислительной геометрии: геометрический поиск, выпуклые оболочки, пересечение и близость объектов, диаграммы Вороного, триангуляции Делоне. Вторая часть курса посвящена скелетам, обобщениям диаграмм Вороного для многоугольников и задачам медиального анализа формы изображений. Приглашаются бакалавры. Спецкурс проходит '''по пятницам, начало в 18-05, в ауд. 607'''. Первая лекция состоится {{Важно|02 марта 2018 (пятница)}}
 +
 +
'''Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы»''', руководители [[Участник:Sgur|С.И.Гуров]], [[Участник:AIM|А.И.Майсурадзе]]
 +
Спецсеминар проходит '''по средам в ауд. 704, начало в 18-15'''. Первое занятие состоится {{Важно|21 февраля (среда)}} на спецсеминаре состоится доклад к.ф.-м.н., доц. С.И. Гурова '''Случайные графы: теория и применение'''. В докладе будет дан обзор основных понятий теории случайных графов и рассмотрены их модели. Излагаются основные понятия вероятностного метода, игры Эренфойхта и др. Описываются применения теории случайных графов к моделированию Интернета.
 +
 +
'''Вероятностное тематическое моделирование''' (Probabilistic topic modelling), лектор профессор РАН, д.ф.-м.н. [[Участник:Vokov|К.В. Воронцов]].
 +
Тематическое моделирование – это современная область исследований на стыке машинного обучения и компьютерной лингвистики. Тематическая модель определяет, какие те-мы содержатся в большой текстовой коллекции, и к каким темам относится каждый документ. Тематические модели позволяют искать тексты по смыслу, а не по ключевым словам, и создавать информационно-поисковые сервисы нового типа для систематизации знаний. В спецкурсе рассматриваются тематические модели для классификации, категоризации, сегментации, суммаризации текстов естественного языка, а также для рекомендательных систем, анализа банковских транзакционных данных и биомедицинских сигналов. Из математики нам понадобится теория вероятностей, методы оптимизации, матричные разложения. Для любителей программирования имеется возможность поучаствовать в проекте с открытым кодом BigARTM.org. Для особо увлечённых – дополнительные семинары по вечерам в офисе Яндекса. Заданиями по курсу будет решение задач из реальной жизни, у которых нет правильного ответа в конце учебника. Спецкурс для ма-гистрантов, но студентам второго курса тоже всё будет понятно :) 18+ (для студентов, познавших теорвер) '''[[Вероятностные тематические модели (курс лекций, К.В.Воронцов)|Вероятностные тематические модели]]''', [[Участник:Vokov|К.В. Воронцов]] Приглашаются магистры. Спецкурс проходит '''по четвергам, начало в 18-00, в ауд. 606'''. Первая лекция состоится {{Важно|15 февраля (четверг)}}.
 +
 +
'''[https://goo.gl/k7NLL1 Методы машинного обучения и поиск закономерностей в данных (Machine learning and search of regularities in data)]''', лектор [[Участник:Сенько Олег|О.В. Сенько]].
 +
В курсе обсуждаются основные проблемы, возникающие при использовании методов обучения по прецедентам (машинного обучения). Даётся краткий обзор существующих методов распознавания и регрессионного анализа. Рассказывается о способах оценки точности на генеральной совокупности (обобщающей способности). Обсуждаются различные способы повышения обобщающей способности методов машинного обучения. Приглашаются бакалавры. Спецкурс проходит '''по четвергам, начало в 18-00, в ауд. 508'''. Первая лекция состоится {{Важно|15 февраля (четверг)}}.
 +
 +
'''[[Нестатистические методы анализа данных и классификации (курс лекций, В.В.Рязанов)|Нестатистический анализ данных (Non-statistical methods of data mining and classification)]]''', лектор [[Участник:Rvv|В.В.Рязанов]].
 +
Основная цель спецкурса состоит в изложении основанных на оптимизационных, дискретных и эвристических подходах методов анализа данных. Будут рассмотрены логические модели распознавания (классификации с учителем) и анализа разнотипных многомерных данных, методы оптимизации моделей распознавания, алгоритмы поиска скрытых логических закономерностей и связей по признаковым описаниям, методы создания качественных моделей объектов, ситуаций, явлений или процессов. Будут рассмотрены практические численные методы решения данных задач, и их применения в медицине, бизнесе, химии, технике и других областях. The aim is to present a special course based on optimization, discrete and heuristic approaches of data mining. The logical models of supervised classification, techniques to optimize models of classification, algorithms for finding hidden logical regularities will be considered. Приглашаются бакалавры. Спецкурс проходит '''по вторникам, начало в 18-00, в ауд. 508'''. Первая лекция состоится {{Важно|27 февраля (вторник)}}.
 +
 +
'''[[Логический анализ данных в распознавании (курс лекций, Е.В. Дюкова)|Логический анализ данных в распознавании]]''', (Logical data analysis in recognition) [[Участник:Djukova|лектор Е.В. Дюкова]].
 +
В спецкурсе будут изложены общие принципы, лежащие в основе дискретных методов анализа информации в задачах распознавания, классификации и прогнозирования. Будут рассмотрены подходы к конструированию процедур распознавания на основе использования аппарата логических функций и методов построения покрытий булевых и целочисленных матриц. Будут изучены основные модели и рассмотрены вопросы, связанные с исследованием сложности их реализации и качества решения прикладных задач. Спецкурс для бакалавров 2-4 курсов. По спецкурсу издано учебное пособие. Спецкурс проходит '''по понедельникам в ауд. 682, начало в 16-20'''. Первое занятие состоится {{Важно|05 марта (понедельник)}}.
 +
 +
'''Анализ графов, сетей, функций сходства''' (Graphs, Network, Distance Function Analysis), А.И. Майсурадзе.
 +
Рассматриваются задачи и методы анализа систем, описание которых базируется на попарном или множественном взаимодействии объектов. Эти объекты могут быть однотипными или разнотипными. Когда важно само наличие или отсутствие взаимодействия, формализация проводится на языке теории графов. Расширении графового описания количественными характеристиками приводит к сетям. Если же считается, что каждый набор объектов может быть численно охарактеризован, говорят о расстояниях или сходствах. Представлена теоретическая основа для формализации задач и построения, реализации и анализа широкого спектра моделей и методов ИАД. Исследуются эвристические модели данных, описывающие исходную информацию об объектах распознавания на основе различных реализаций понятия сходства. Рассматриваются задачи, требующие решения при реализации указанных моделей. Изучаются специальные структуры данных и алгоритмы, позволяющие эффективно настраивать и использовать изучаемые модели. Идея сходства свойственна человеческому мышлению, это породило целый комплекс подходов для всех фундаментальных задач ИАД — так называемые метрические методы. Рассмотрены методы построения и вычисления функций сходства, согласование сходства на различных множествах объектов, синтез новых способов сравнения объектов на базе уже имеющихся. Рассмотрен комплекс приёмов, предназначенный для эффективного представления и обработки метрической информации вычислительными системами. Рассматриваются характеристики графов, активно используемые при их анализе. Изучаются алгоритмы на графах — как теоретически, так и с точки зрения эффективной реализации. Различные модели роста графов. Построение репрезентативных выборок на графах. Генерация графов с заданными характеристиками. Существенное внимание в курсе уделено многочисленным формализациям кластерного анализа. Показано, какие задачи решают распространённые методы. Проведена типологизация широкого спектра задач кластеризации для гомогенных и гетерогенных систем (бикластеризация, кокластеризация). Спецкурс проходит '''по понедельникам в ауд. 612, начало в 16-20'''. Первое занятие состоится {{Важно|12 февраля (понедельник)}}.
 +
 +
'''Аналитический SQL''' (Analytical SQL), А.И. Майсурадзе.
 +
В наши дни автоматизация и оптимизация многих видов деятельности невозможна без сбора и последующего анализа больших объёмов информации. При этом со временем стало ясно, что некоторые модели данных особенно удобны для людей - такие модели стали универсальным языком общения с самыми разными технологиями. В этом смысле одним из самых широкоупотребительных языков оказался SQL, и сегодня самые разные технологии (совсем не только реляционные) позволяют его использовать. В курсе на практических примерах будут даваться знания и отрабатываться навыки, которые понадобятся практически любому аналитику при работе с источниками данных. Акцент делается именно на аналитической деятельности: аналитик пользуется системами сбора и хранения данных, но не собирается администрировать их. Занятия предполагают интерактивное выполнение заданий на реальных БД. Спецкурс для бакалавров. Спецкурс проходит '''по понедельникам в ауд. 612, начало в 14-35'''. Первое занятие состоится {{Важно|12 февраля (понедельник)}}.
 +
 +
* '''12 декабря 2017 года:''' [[Математические методы прогнозирования (кафедра ВМиК МГУ)/Расписание|Добавлено]] расписание экзаменов в зимнюю сессию.
 +
* '''11 октября 2017 года:''' Поздравляем студентов кафедры ММП {{важно|Никиту Шаповалова, Николая Попова, Всеволода Викулина и Дарью Соболеву}} с первым местом на неофициальном чемпионате мира по анализу данных среди студентов вузов [https://alexanderdyakonov.wordpress.com/2017/10/09/data-science-game-2017/ Data Science Game 2017].
 +
* '''08 декабря 2017 года:''' Спецкурс '''[[Нестатистические методы анализа данных и классификации (курс лекций, В.В.Рязанов)|Нестатистический анализ данных (Non-statisticalmethodsofdataminingandclassification)]]''', лектор [[Участник:Rvv|В.В.Рязанов]] {{важно|19 декабря 2017 в 18:00 состоится экзамен}}.
 +
* '''6 сентября 2017 года:''' Вступительный экзамен по математике в аспирантуру (устная часть) пройдёт в ауд. 523, начало в 13-00.
 +
 +
* '''11 марта 2017 года:''' С 26 по 30 августа 2017 года в Москве пройдет [http://deepbayes.ru/ Летняя школа по байесовским методам в глубинном обучении]. Некоторые темы школы: масштабируемые байесовские методы, байесовские нейросети, нормализация и вариационный дропаут в нейронных сетях, рекуррентные нейросети, механизмы внимания и генерация подписей к изображениям, технологии переноса стиля. Лекции будут сопровождаться практическими семинарами. Срок подачи заявок — {{важно|31 марта 2017}}.
 +
 +
* '''27 сентября 2017 года:''' Начинается чтение спецкурса '''«Непрерывные морфологические модели и алгоритмы» (Continuous morphological models and algorithms)''', лектор [[Участник:Mest|Л.М. Местецкий]]. В компьютере изображения представляются прямоугольными матрицами точек, обладающих определенным цветом и яркостью. Такое дискретное представление является удобным для ввода, запоминания, обработки в компьютере. Однако для анализа и распознавания формы объектов на изображении человеку привычнее и проще оперировать непрерывными геометрическими фигурами. Основные преимущества непрерывного представления формы объектов: адекватность его с физической сущностью «сплошных» объектов реального мира, возможность использования методов «непрерывной» математики для анализа, преобразования, распознавания формы объектов. В курсе рассматриваются основы непрерывного подхода к анализу формы объектов в дискретных изображениях. Сюда входит аппроксимация бинарных растровых изображений многоугольными фигурами, медиальное представление фигур, вычисление скелетов, сравнение и преобразование формы на основе медиального представления. Будут рассмотрены приложения непрерывных моделей формы в распознавании изображений. Курс проходит по '''пятницам в ауд. 524, начало в 16-20'''. Первое занятие состоится {{важно|29 сентября}}.
 +
* '''19 сентября 2017 года:''' Начинается чтение спецкурса '''«Методы машинного обучения и поиск закономерностей в данных (Machine learning and search of regularities in data)»''', лектор д.ф.-м.н. Сенько О.В. В курсе обсуждаются основные проблемы, возникающие при использовании методов обучения по прецедентам (машинного обучения). Обсуждаются способы повышения обобщающей способности – точности прогноза на новых данных. Рассказывается о тесно связанной с задачей машинного обучения задаче поиска закономерностей в данных. Под закономерностью понимается некоторое относительно простое правило, связывающее прогнозируемую величину с другими переменными. Рассказывается о современных методах статистической верификации закономерностей, основанных на перестановочных тестах. Обсуждаются методы распознавания и регрессионного анализа, основанные методы, основанные на вычислении коллективных решений по системам закономерностей. Рассказывается также о различных методах кластерного анализа. Приведены примеры успешно решённых задач диагностики, прогнозирования, интеллектуального анализа данных в различных областях, включая медицину, антропологию, социологию, химию др. Приглашаются бакалавры. Спецкурс проходит по '''четвергам в ауд. 523, начало в 18-00'''. Первое занятие состоится {{важно|21 сентября (четверг)}}.
 +
* '''12 сентября 2017 года:''' Спецкурс '''[[Нестатистические методы анализа данных и классификации (курс лекций, В.В.Рязанов)|Нестатистический анализ данных (Non-statisticalmethodsofdataminingandclassification)]]''', лектор [[Участник:Rvv|В.В.Рязанов]]. Основная цель спецкурса состоит в изложении основанных на оптимизационных, дискретных и эвристических подходах методов анализа данных. Будут рассмотрены логические модели распознавания (классификации с учителем) и анализа разнотипных многомерных данных, методы оптимизации моделей распознавания, алгоритмы поиска скрытых логических закономерностей и связей по признаковым описаниям, методы создания качественных моделей объектов, ситуаций, явлений или процессов. Будут рассмотрены практические численные методы решения данных задач, и их применения в медицине, бизнесе, химии, технике и других областях. The aim is to present a special course based on optimization, discrete and heuristic approaches of data mining. The logical models of supervised classification, techniques to optimize models of classification, algorithms for finding hidden logical regularities will be considered. Приглашаются бакалавры. Спецкурс проходит '''по вторникам, начало в 18-00, в ауд. 508'''.<br /> Первая лекция состоится {{Важно|19 сентября (вторник)}}.
 +
 +
* '''12 сентября 2017 года:''' Начинается чтение спецкурса '''«Аналитические модели данных и их визуализация (Analytical Data Models and Visualization)»''', лектор А.И. Майсурадзе. В данном курсе излагаются теоретические и практические знания, которые понадобятся всем будущим аналитикам, ведь всем им предстоит собирать и хранить данные, «разглядывать» их самим и показывать другим. Модели данных – это стандартные в области аналитической деятельности «языки», на которых аналитики рассказывают друг другу о данных. Курс учит пользоваться этими общераспространенными «языками», что обеспечивает взаимопонимание при аналитической деятельности. Визуализация – это тоже форма рассказа о данных, соответственно, она тоже происходит в рамках таких «языков». Важнейшую роль такие «языки» получили в консалтинговых и аналитических подразделениях «Большой четверки». В современном анализе данных принято выделять три уровня задач, методов и соответствующих технологий: сбор и хранение данных, оперативная аналитика и визуализация, интеллектуальный анализ. Обычно бизнес, опирающийся на анализ данных, последовательно проходит все эти уровни. Всем сотрудникам компаний, непосредственно занимающимся или поддерживающим аналитическую деятельность, постоянно приходится работать с первыми двумя уровнями. Сложные математические модели преобразования информации (машинное обучение) относятся к последнему третьему уровню. Разумеется, в эру больших данных в первую очередь выросла сложность задач и технологий первых двух уровней. Общеизвестным примером является система Google Analytics. Будут рассмотрены основные модели данных – разные способы мыслить и формализовать представление информации в аналитике. В связи с этим будет рассмотрена «аналитическая» часть SQL. В свою очередь, о визуализации будет рассказано одновременно с позиций аналитических целей и моделей данных. Будут рассмотрены «гиганты визуализации» – системы QlikView и Tableau,– развивающие идеологию OLAP. Будут рассмотрены практики «рассказывания историй по данным» (storytelling with data) и «интерактивных панелей». В курсе основное внимание уделяется «языку» аналитического общения, соответственно, большая его часть доступна бакалаврам первого-второго курсов. Предполагается, что студенты подготовят панель и сделают доклад о данных по актуальной для них жизненной проблеме. Спецкурс проходит по '''понедельникам в ауд. 582, начало в 16-20'''. Первое занятие состоится {{важно|11 сентября (понедельник)}}.
 +
 +
* '''12 сентября 2017 года:''' Начинается чтение спецкурса '''[[Логический анализ данных в распознавании (курс лекций, Е.В. Дюкова)|«Логический анализ данных в распознавании (Logical data analysis in recognition)»]]''', лектор [[Участник:Djukova|Е.В.Дюкова]]. В спецкурсе будут изложены общие принципы, лежащие в основе дискретных методов анализа информации в задачах распознавания, классификации и прогнозирования. Будут рассмотрены подходы к конструированию процедур распознавания на основе использования аппарата логических функций и методов построения покрытий булевых и целочисленных матриц. Будут изучены основные модели и рассмотрены вопросы, связанные с исследованием сложности их реализации и качества решения прикладных задач. Спецкурс для бакалавров. По спецкурсу издано [http://www.ccas.ru/frc/papers/djukova03mp.pdf учебное пособие]. Спецкурс проходит '''по понедельникам в ауд. 645, начало в 16-20'''. Первое занятие состоится {{Важно|02 октября (понедельник)}}.
 +
 +
* '''18 мая 2017 года:''' Добавлено [[Математические методы прогнозирования (кафедра ВМиК МГУ)/Расписание|расписание]] экзаменов для 317-й и 517-й групп.
 +
 +
* '''11 мая 2017 года:''' Определён [https://goo.gl/CV85Uw список студентов 2-го курса], зачисленных на кафедру.
 +
 +
* '''15 марта 2017 года:''' Добавлено [[Математические методы прогнозирования (кафедра ВМиК МГУ)/Расписание|расписание]] выпускных мероприятий для 417-й и 617-й групп.
 +
* '''17 февраля 2017 года:''' Спецкурс '''"Задачи и алгоритмы вычислительной геометрии" (Computational Geometry: Problems and Algorithms)''', лектор [[Участник:Mest|Л.М. Местецкий]], проходит по пятницам с в ауд. '''607''', начало в 18-05. Первое занятие состоится {{Важно|10 марта (пятница)}}. <br /> Семестровый спецкурс для студентов ВМК Эффективные алгоритмы работы с геометрической информацией являются непременным атрибутом всех современных систем машинного зрения, анализа и распознавания изображений, компьютерной графики и геоинформатики. Геометрические алгоритмы предоставляют хорошее поле для развития алгоритмического мышления, необходимого в прикладной математике. В первой части спецкурса будут рассмотрены классические темы вычислительной геометрии: геометрический поиск, выпуклые оболочки, пересечение и близость объектов, диаграммы Вороного, триангуляции Делоне. Вторая часть курса посвящена скелетам, обобщениям диаграмм Вороного для многоугольников и задачам медиального анализа формы изображений. Просьба всем желающим прослушать этот курс зарегистрироваться, послав письмо на почту mestlm@mail.ru Приглашаются студенты, магистры и аспиранты.
 +
* '''6 февраля 2017 года:''' Спецкурс '''"Вероятностное тематическое моделирование"''', лектор профессор РАН, д.ф.-м.н. [[Участник:Vokov|К.В. Воронцов]], проходит '''по пятницам в ауд. 609, начало в 18-00'''. Первое занятие состоится {{Важно|10 февраля (пятница)}}. Специальный раздел машинного обучения. Математика на стыке теорвера и оптимизации. Матричные разложения и регуляризация некорректно поставленных задач. Немного компьютерной лингвистики. Новые парадигмы информационного поиска для изучения и систематизации знаний. Когнитивная графика для анализа больших текстовых коллекций и концепция «distant reading». Неожиданные приложения методов анализа текстов к транзакционным данным банка и медицинской диагностике по электрокардиограмме. Для любителей программирования – участие в проекте с открытым кодом BigARTM.org. Для особо увлечённых – дополнительные семинары в офисе Яндекса по средам вечером. Решение задач из реальной жизни, у которых нет правильного ответа в конце учебника. 18+ (для студентов, познавших теорвер): '''[[Вероятностные тематические модели (курс лекций, К.В.Воронцов)|Вероятностные тематические модели]]''', [[Участник:Vokov|К.В. Воронцов]]
 +
* '''13 февраля 2017 года:''' Начинается чтение спецкурса '''[[Логический анализ данных в распознавании (курс лекций, Е.В. Дюкова)|«Логический анализ данных в распознавании»]]''', лектор [[Участник:Djukova|Е.В.Дюкова]]. В спецкурсе будут изложены общие принципы, лежащие в основе дискретных методов анализа информации в задачах распознавания, классификации и прогнозирования. Будут рассмотрены подходы к конструированию процедур распознавания на основе использования аппарата логических функций и методов построения покрытий булевых и целочисленных матриц. Будут изучены основные модели и рассмотрены вопросы, связанные с исследованием сложности их реализации и качества решения прикладных задач. Спецкурс рассчитан на студентов 2-5 курсов. По спецкурсу издано учебное пособие. Спецкурс рассчитан на студентов 2-5 курсов. По спецкурсу издано [http://www.ccas.ru/frc/papers/djukova03mp.pdf учебное пособие]. Спецкурс проходит '''по понедельникам в ауд. 645, начало в 16-20'''. Первое занятие состоится {{Важно|20 февраля (понедельник)}}.
 +
* '''13 февраля 2017 года:''' Спецкурс '''[[Нестатистические методы анализа данных и классификации (курс лекций, В.В.Рязанов)|Нестатистический анализ данных]]''', лектор [[Участник:Rvv|В.В.Рязанов]], проходит '''по вторникам, начало в 18-00, в ауд. 605'''.<br /> Первая лекция состоится {{Важно|28 февраля (вторник)}}. В спецкурсе будут рассмотрены проблемы и методы кластерного анализа (подходы и алгоритмы кластеризации с известным и неизвестным числом кластеров, критерии кластеризации, вопросы устойчивости, построение оптимальных решений), дискретные методы для решения задач классификации множествами алгоритмов, новые подходы и алгоритмы в регрессионном анализе и анализе данных (решение задач восстановления зависимостей на основе решения задач классификации, задачи классификации с большим числом классов). Будут рассмотрены практические задачи классификации и поиска зависимостей по прецедентам, применения в медицине, бизнесе и технике.
 +
* '''13 февраля 2017 года:''' Начинается чтение спецкурса '''«Методы машинного обучения и поиск достоверных закономерностей в данных»''', лектор д.ф.-м.н. Сенько О.В. В курсе обсуждаются основные проблемы, возникающие при использовании методов обучения по прецедентам (машинного обучения). Обсуждаются способы повышения обобщающей способности – точности прогноза на новых данных. Рассказывается о тесно связанной с задачей машинного обучения задаче поиска закономерностей в данных. Под закономерностью понимается некоторое относительно простое правило, связывающее прогнозируемую величину с другими переменными. Рассказывается о современных методах статистической верификации закономерностей, основанных на перестановочных тестах. Обсуждаются методы распознавания и регрессионного анализа, основанные методы, основанные на вычислении коллективных решений по системам закономерностей. Рассказывается также о различных методах кластерного анализа. Приведены примеры успешно решённых задач диагностики, прогнозирования, интеллектуального анализа данных в различных областях, включая медицину, антропологию, социологию, химию др. Курс проходит по '''четвергам в ауд. 507, начало в 18-00'''. Первое занятие состоится {{важно|16 февраля}}.
 +
* '''13 февраля 2017 года:''' Начинается чтение спецкурса '''«Анализ графов, сетей, функций сходства»''', лектор А.И. Майсурадзе. В курсе изучаются методы и технологии интеллектуального анализа данных (ИАД, Data Mining), базирующиеся на моделях, в которых объекты рассматриваются парами. Есть два основных пути формализовать пару объектов: между некоторыми объектами есть связь или взаимодействие — и тогда мы говорим о графах и сетях; между всеми объектами есть сходство или расстояние — и тогда речь идёт о различных метриках. Эти две формализации не исключают друг друга, например в классической задаче поиска кратчайшего пути мы говорим одновременно о графах и расстояниях. Сегодня графы появляются всё время и во всех предметных областях. Если некоторые теоретические подходы и индустриальные стандарты возникли уже несколько десятилетий назад, то технологии сбора и обработки информации развиваются в наши дни. Основное внимание уделяется анализу свойств и выявлению подструктур в сетях. Важную роль играет изучение механизмов роста сетей, базирующееся на различных моделях и методах генерации графов. Идея сходства свойственна человеческому мышлению, это породило целый комплекс подходов для решения всех фундаментальных задач ИАД. Представлена теоретическая основа для построения, реализации и анализа широкого спектра моделей и методов ИАД. Рассмотрены методы построения и вычисления функций сходства, согласование сходства на различных множествах объектов, синтез новых способов сравнения объектов на базе уже имеющихся. Рассмотрен комплекс технологий, предназначенный для эффективного представления и обработки метрической информации вычислительными системами. Изучаются специальные структуры данных и алгоритмы, позволяющие эффективно настраивать и использовать изучаемые модели. Существенный практический интерес представляют различные методы визуализации рассматриваемых информационных моделей. Спецкурс могут слушать второкурсники. Спецкурс проходит по '''понедельникам в ауд. 607, начало в 16-20'''. Первое занятие состоится {{важно|13 февраля}}.
 +
* '''08 декабря 2016 года:''' [[Математические методы прогнозирования (кафедра ВМиК МГУ)/Расписание|Добавлено]] расписание экзаменов в зимнюю сессию.
* '''08 декабря 2016 года:''' [[Математические методы прогнозирования (кафедра ВМиК МГУ)/Расписание|Добавлено]] расписание экзаменов в зимнюю сессию.

Текущая версия

 
   
Кафедральные курсы
Спецкурсы/спецсеминары
Новости
Расписание
Учебный план
Персональный состав
Материалы
Диссертации/дипломные работы
Просеминар
  Тел. +7-495-939-4202
e-mail: Изображение:MMP_email.jpg
Ученый секретарь: О.А. Кравцова
Все контакты


Правила пользования Доской объявлений кафедры ММП факультета ВМК МГУ:
  1. Все новости делятся на две категории: собственно новости и объявления о курсах (спецкурсах, спецсеминарах и т.п.)
  2. Новости дописываются наверх.
  3. Каждая новость начинается с даты размещения, которая выделяется жирным.
  4. Новость должна быть по возможности короткой. Если имеется более подробная информация (страница курса или преподавателя, подстраница, где размещаются домашние задания и т.п.), то здесь даётся только ссылка на неё.
  5. Дедлайны выделяются красным шаблоном {{Важно|...}}.
  6. Если новость не является официальным сообщением кафедры, автор должен подписаться ~~~~.


Новости

Объявления о курсах

В спецкурсе будут изложены общие принципы, лежащие в основе дискретных методов анализа информации в задачах распознавания, классификации и прогнозирования. Будут рассмотрены подходы к конструированию процедур классификации по прецедентам на основе использования аппарата логических функций и методов построения покрытий булевых и целочисленных матриц. Будут изучены основные модели логических процедур классификации и рассмотрены вопросы, связанные с исследованием сложности их реализации и качества решения прикладных задач.

Спецкурс для бакалавров 2-4 курсов. По спецкурсу издано учебное пособие. Презентации лекций выставлены на сайте кафедры ММП. Записаться на спецкурс и задать вопрос можно, послав письмо на адрес: edjukova@mail.ru или p_prok@mail.ru.


Архив новостей и объявлений о курсах

30.07.2024 г.: Для поступающих в магистратуру кафедры (из тех, кто не заканчивал бакалавриат кафедры) доп. испытание на программу состоится онлайн 1 августа 2024, начало в 10-00. Для участия в доп.испытании на программу просьба добавиться в телеграм-чат. Также просьба заполнить анкету с информацией о себе.

28.07.2023 г.: Для поступающих в магистратуру кафедры (из тех, кто не заканчивал бакалавриат кафедры) доп. испытание на программу состоится онлайн 7 августа 2023, начало в 11-00.

07.07.2022 г.: Для поступающих в магистратуру кафедры (из тех, кто не заканчивал бакалавриат кафедры) для участия в доп.испытании на программу просьба добавиться в телеграм-чат. Также просьба заполнить анкету с информацией о себе.

05.05.2022 г.: Добавлен список студентов 2-го курса, распределённых на кафедру.

10.09.2020 г.: Для желающих посещать спецкурсы Дьяконова А.Г. Бакалавры могут посмотреть правила регистрации на спецкурс "Введение в машинное обучение" здесь - https://github.com/Dyakonov/IML/ Магистры могут посмотреть правила регистрации на спецкурс "Прикладные задачи анализа данных" здесь - https://github.com/Dyakonov/PZAD/

29.07.2020 г.: Завершён набор в магистратуру кафедры. Список принятых студентов находится здесь.

07.05.2020 г.: Завершён набор на кафедру студентов 2-го курса. Список принятых студентов находится здесь.

01.04.2020 г.: Добавлено расписание экзаменов и выпускных мероприятий в летнюю сессию.

27.01.2020 г.: Добавлено расписание занятий на весенний семестр.

В спецкурсе будут изложены общие принципы, лежащие в основе дискретных методов анализа информации в задачах распознавания, классификации и прогнозирования. Будут рассмотрены подходы к конструированию процедур распознавания на основе использования аппарата логических функций и методов построения покрытий булевых и целочисленных матриц. Будут изучены основные модели и рассмотрены вопросы, связанные с исследованием сложности их реализации и качества решения прикладных задач. Спецкурс для бакалавров 2-4 курсов. По спецкурсу издано учебное пособие. Спецкурс проходит по понедельникам в ауд. 615, начало в 16-20. Первое занятие состоится 30 сентября (понедельник).

  • 23 сентября 2019 года: Начинается чтение спецкурса Методы машинного обучения и поиск достоверных закономерностей в данных (Machine learning and search of regularities in data)», лектор д.ф.-м.н. Сенько О.В.

В курсе обсуждаются основные проблемы, возникающие при использовании методов обучения по прецедентам (машинного обучения). Обсуждаются способы повышения обобщающей способности – точности прогноза на новых данных. Рассказывается о тесно связанной с задачей машинного обучения задаче поиска закономерностей в данных. Под закономерностью понимается некоторое относительно простое правило, связывающее прогнозируемую величину с другими переменными. Рассказывается о современных методах статистической верификации закономерностей, основанных на перестановочных тестах. Обсуждаются методы распознавания и регрессионного анализа, основанные методы, основанные на вычислении коллективных решений по системам закономерностей. Рассказывается также о различных методах кластерного анализа. Приведены примеры успешно решённых задач диагностики, прогнозирования, интеллектуального анализа данных в различных областях, включая медицину, антропологию, социологию, химию др. Приглашаются бакалавры. Спецкурс проходит по четвергам в ауд. 606, начало в 18-00. Первое занятие состоится 26 сентября (четверг).

10.09.2019: Начинает работу спецсеминар Байесовские методы машинного обучения, рук. Ветров Д.П. Спецсеминар будет проходить в здании ВШЭ на Покровском бульваре в ауд. R304, начало в 19-00. Первый спецсеминар состоится 13 сентября.

04.12.2019 г.: Добавлено расписание экзаменов в зимнюю сессию.

30.08.2019 г.: Добавлено расписание занятий на предстоящий семестр.

27.08.2019 г.: Определён список студентов, принятых в магистратуру кафедры в 2019 году.

14.05.2018 г.: Определён список студентов 2-го курса, зачисленных на кафедру

05.04.2018 г.: Добавлено расписание выпускных мероприятий.

02.04.2018 г.: Внимание студентов 2-го курса! 9 апреля (понедельник) в 16:30 в 685 ауд. желающие второкурсники приглашаются послушать лекцию профессора кафедры ММП Дьяконова Александра «Анализ данных, Большие данные, Машинное обучение» про основную специализацию кафедры.

26.03.2018 г.: Внимание студентов 2-го курса! Для получения рекомендации на кафедру ММП под научное руководство А.Г.Дьяконова необходимо пройти процесс отбора. Для этого надо связаться с потенциальным научным руководителем по почте (тема письма "ВМК 2 курс", в письме обязательно достаточно полно рассказать о себе).

09.03.2018 г.: Внимание студентов 2-го курса! Для получения рекомендации на кафедру ММП под научное руководство Кропотова Д.А. необходимо пройти процесс отбора в группу Байесовских методов. Подробности здесь. Срок сдачи реферата: 12 апреля, 23:59.

Спецкурсы и спецсеминары в весеннем семестре 2017/2018 уч.г.

Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы», руководители С.И.Гуров, А.И.Майсурадзе Спецсеминар проходит по средам в ауд. 704, начало в 18-15. 25 апреля (среда) на спецсеминаре состоится доклад И. С. Балашова Исследование структуры микробиоты в динамике и ее роли в развитии преждевременных родов. Проблематика изучения микроботы человека обусловлена как сложностью взаимоотношений макро- и микроорганизмов, так и отсутствием в полной мере понимания механизмов этих взаимоотношений. В настоящий момент существует ряд методов изучения структуры микробиома для клинической практики, однако анализ этих данных по-прежнему представляет собой нетривиальную задачу в том числе по причине малого количества данных и высокой вариабельности объекта исследования. В докладе будет рассмотрена практическая задача оценки влияния структуры микробиоты и ее динамики на вероятность развития преждевременных родов, проведен поиск сообществ, предложен ряд решений по визуализации данных. На спецсеминаре состоится доклад Г. В. Кормакова Сбоеустойчивые обратимые схемы Важнейшей проблемой как классических вычислений, так и обратимых, по сей день остаётся проблема сбоеустойчивости соответствующих схем. Для наиболее важных элементов схемы создавалась так называемая схемная избыточность, что обеспечивало обнаружение ошибки. В тоже время актуальной стала диагностика сбоев контролем чётности. В докладе будет рассмотрено понятие сбоеустойчивости, описаны основные модели тестирования схем, методы синтеза сбоеустойчивых обратимых схем, способы диагностирования сбоев и сбоеустойчивое кодирование в пространстве Хэмминга.

Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы», руководители С.И.Гуров, А.И.Майсурадзе Спецсеминар проходит по средам в ауд. 704, начало в 18-15. 18 апреля (среда) на спецсеминаре состоится доклад А. Н. Шестаковой Обработка и анализ сигналов, полученных при обследовании тактильным механорецептором. Механорецептор - система, состоящая из эластичной воспринимающей внешнее давление мембраны, прикрывающей одинаковые по объему полости, которые изменяются при контакте с «ощупываемым» объектом. Он применяется для получения тактильной информации в эндоскопической хирургии, когда врач не может сам "потрогать" ткань или орган. В докладе будут рассмотрены обработка и распознавание тактильных сигналов, на примере исследований с использованием тактильного механорецептора, разработанного в МГУ им. М. В. Ломоносова. На спецсеминаре состоится доклад С. И. Гурова Обратимые вычисления: краткое введение в проблему. Интерес к обратимым вычислениям и реализующим их схемам из обратимых элементов возник в начале 1960-х г., когда был открыт эффект Неймана-Ландауэра: в любой вычислительной системе, независимо от её физической реализации, при потере одного бита информации выделяется теплота в количестве не менее Дж. В докладе будет кратко рассмотрена проблематика обратимой схемотехники.

Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы», руководители С.И.Гуров, А.И.Майсурадзе Спецсеминар проходит по средам в ауд. 704, начало в 18-15. 11 апреля (среда) на спецсеминаре состоится доклад А. И. Андрейцева Комбинаторный подход в распознавании рукописных цифр. В докладе будут рассмотрены методы распознавания рукописных цифр на основе построения кривых Фримена и неявных полиномов по оцифрованным матрицам. На спецсеминаре состоится доклад Н. Е. Юдина Непрямое управление динамическимобъектом. В докладе будет рассмотрено построение в рамках полидисциплинарного направления человеко-компьютерного взаимодействия (HCI, human–computerinteraction) системы манипулирования объектом с помощью жестов руки. Непосредственно в задаче распознавания жестов руки были рассмотрены признаки, построенные на гистограммах направлений градиентов и дефектов выпуклой оболочки руки, а также признаки, полученные с помощью свёрточной нейронной сети.

Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы», руководители С.И.Гуров, А.И.Майсурадзе Спецсеминар проходит по средам в ауд. 704, начало в 18-15. 4 апреля (среда) на спецсеминаре состоится доклад Т. А. Камалбекова Методы комбинирования функций сходства. В метрических алгоритмах машинного обучения центральным объектом является функция сходства. Задача Metric Learning состоит в предобучении данной функции по размеченным признаковым описаниям. Если же «хорошие» функции расстояния, использующие особенности предметной области, нам даны извне, то можно поставить задачу составления новой функции расстояния, являющейся комбинацией заданных. Эта задача называется Metric Extraction. Одним из самых распространённых способов верификации документа является подпись. Но, несмотря на распространённость, визуально сложно отличить настоящую подпись от подделки. Поэтому встаёт задача автоматического распознавания подписи. В своём докладе я расскажу о решении данной задачи с помощью приёмов Metric Learning и Metric Extraction. На спецсеминаре состоится доклад А. А. Цыпина Стоимость преобразования для сравнения объектов. Распознавание и информационный поиск часто опираются на попарное сравнение объектов. Одной из базовых идей такого сравнения является оценка стоимости преобразования одного объекта во второй. Соответственно, функция сходства определяется как результат решения задачи оптимизации. Для ускорения часто приходится решать такую задачу приближенно. В докладе такая схема построения функции сходства будет рассмотрена на примере метрики перемещения слов (word mover’s distance), которая сочетает идеи вложения отдельных слов в векторное пространство и оптимального перераспределения смысла слов.

Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы», руководители С.И.Гуров, А.И.Майсурадзе Спецсеминар проходит по средам в ауд. 704, начало в 18-15. 28 марта (среда) на спецсеминаре состоится доклад В. Д. Козлова Обзор методов сопоставления графов.Во многих современных задачах интеллектуального анализа данных часто возникают ситуации, когда объекты распознавания представляют собой набор взаимодействующих между собой компонентов. Естественным способом моделирования таких данных являются графы, структура которых зависит от конкретной предметной области. Графовое представление объектов применяется в задачах анализа и распознавания изображений, поиска по базам данных изображений и видео, отслеживания объектов в видеопотоке, биометрической идентификации и др. Для решения задач распознавания по таким формальным описаниям необходимо каким-либо образом сравнивать графы между собой. В докладе будут рассмотрены существующие подходы к сравнению графов применительно к задачам анализа данных.

Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы», руководители С.И.Гуров, А.И.Майсурадзе Спецсеминар проходит по средам в ауд. 704, начало в 18-15. 21 марта (среда) на спецсеминаре состоится доклад А. М. Георгиевской Фотографические биомаркеры старения млекопитающих. В настоящий момент существует целый ряд инвазивных и дорогостоящих биомаркеров старения. Фотографии и видео являются обширным источником информации, их использование для разработки неинвазивных биомаркеров представляется перспективным направлением. Поскольку все лекарства для человека, в том числе геропротекторы (вещества, замедляющие старение), тестируются на модельных организмах млекопитающих, необходимо создание биомаркеров для этих животных, а также тестирование их применимости для человека. В докладе будет проведен обзор применения методов машинного обучения для анализа биологических данных с целью поиска биомаркеров старения. Также будет рассмотрена возможность использовать данные для модельного объекта домовая мышь (mus musculus) для поиска биомаркеров старения человека.

Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы», руководители С.И.Гуров, А.И.Майсурадзе Спецсеминар проходит по средам в ауд. 704, начало в 18-15. Первое занятие состоится 7 марта (среда) на спецсеминаре состоится доклад С. В. Илларионовой Машинное обучение определения сельскохозяйственных культур по данным ДЗЗ. Одной из широко развивающихся областей приложения методов машинного обучения является анализ земной поверхности из космоса. Базы данных сервисов для космических исследований ежедневно пополняются информацией с различных спутников. Это позволяет обрабатывать и формировать необходимые для обучения классификаторов наборы больших данных. Результаты проводимых исследований в этой области используются как государственными, так и коммерческими организациями и позволяют предсказывать и анализировать процессы, происходящие на Земле. Отдельное внимание уделяется дистанционному зондированию сельскохозяйственных земель для определения произрастающих культур изучаемого региона.

Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы», руководители С.И.Гуров, А.И.Майсурадзе Спецсеминар проходит по средам в ауд. 704, начало в 18-15. Первое занятие состоится 28 февраля (среда) на спецсеминаре состоится доклад Д. В. Самойлова Основы технологии блокчейна. В докладе будет рассмотрены базовые технологии, лежащие в основе криптовалют и блокчейна в целом. Что такое и как устроены криптовалюты? Какие технологии лежат в основе блокчейн? Какие криптографические алгоритмы используются? Что такое консенсус алгоритмы? Как работают смартконтракты? Каковы основные направления развития технологий блокчейна? Вопросы к докладчику приветствуются.

Задачи и алгоритмы вычислительной геометрии (Computational Geometry: Problems and Algorithms), Л.М. Местецкий. Эффективные алгоритмы работы с геометрической информацией являются непременным атрибутом всех современных систем машинного зрения, анализа и распознавания изображений, компьютерной графики и геоинформатики. Геометрические алгоритмы предоставляют хорошее поле для развития алгоритмического мышления, необходимого в прикладной математике. В первой части спецкурса будут рассмотрены классические темы вычислительной геометрии: геометрический поиск, выпуклые оболочки, пересечение и близость объектов, диаграммы Вороного, триангуляции Делоне. Вторая часть курса посвящена скелетам, обобщениям диаграмм Вороного для многоугольников и задачам медиального анализа формы изображений. Приглашаются бакалавры. Спецкурс проходит по пятницам, начало в 18-05, в ауд. 607. Первая лекция состоится 02 марта 2018 (пятница)

Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы», руководители С.И.Гуров, А.И.Майсурадзе Спецсеминар проходит по средам в ауд. 704, начало в 18-15. Первое занятие состоится 21 февраля (среда) на спецсеминаре состоится доклад к.ф.-м.н., доц. С.И. Гурова Случайные графы: теория и применение. В докладе будет дан обзор основных понятий теории случайных графов и рассмотрены их модели. Излагаются основные понятия вероятностного метода, игры Эренфойхта и др. Описываются применения теории случайных графов к моделированию Интернета.

Вероятностное тематическое моделирование (Probabilistic topic modelling), лектор профессор РАН, д.ф.-м.н. К.В. Воронцов. Тематическое моделирование – это современная область исследований на стыке машинного обучения и компьютерной лингвистики. Тематическая модель определяет, какие те-мы содержатся в большой текстовой коллекции, и к каким темам относится каждый документ. Тематические модели позволяют искать тексты по смыслу, а не по ключевым словам, и создавать информационно-поисковые сервисы нового типа для систематизации знаний. В спецкурсе рассматриваются тематические модели для классификации, категоризации, сегментации, суммаризации текстов естественного языка, а также для рекомендательных систем, анализа банковских транзакционных данных и биомедицинских сигналов. Из математики нам понадобится теория вероятностей, методы оптимизации, матричные разложения. Для любителей программирования имеется возможность поучаствовать в проекте с открытым кодом BigARTM.org. Для особо увлечённых – дополнительные семинары по вечерам в офисе Яндекса. Заданиями по курсу будет решение задач из реальной жизни, у которых нет правильного ответа в конце учебника. Спецкурс для ма-гистрантов, но студентам второго курса тоже всё будет понятно :) 18+ (для студентов, познавших теорвер) Вероятностные тематические модели, К.В. Воронцов Приглашаются магистры. Спецкурс проходит по четвергам, начало в 18-00, в ауд. 606. Первая лекция состоится 15 февраля (четверг).

Методы машинного обучения и поиск закономерностей в данных (Machine learning and search of regularities in data), лектор О.В. Сенько. В курсе обсуждаются основные проблемы, возникающие при использовании методов обучения по прецедентам (машинного обучения). Даётся краткий обзор существующих методов распознавания и регрессионного анализа. Рассказывается о способах оценки точности на генеральной совокупности (обобщающей способности). Обсуждаются различные способы повышения обобщающей способности методов машинного обучения. Приглашаются бакалавры. Спецкурс проходит по четвергам, начало в 18-00, в ауд. 508. Первая лекция состоится 15 февраля (четверг).

Нестатистический анализ данных (Non-statistical methods of data mining and classification), лектор В.В.Рязанов. Основная цель спецкурса состоит в изложении основанных на оптимизационных, дискретных и эвристических подходах методов анализа данных. Будут рассмотрены логические модели распознавания (классификации с учителем) и анализа разнотипных многомерных данных, методы оптимизации моделей распознавания, алгоритмы поиска скрытых логических закономерностей и связей по признаковым описаниям, методы создания качественных моделей объектов, ситуаций, явлений или процессов. Будут рассмотрены практические численные методы решения данных задач, и их применения в медицине, бизнесе, химии, технике и других областях. The aim is to present a special course based on optimization, discrete and heuristic approaches of data mining. The logical models of supervised classification, techniques to optimize models of classification, algorithms for finding hidden logical regularities will be considered. Приглашаются бакалавры. Спецкурс проходит по вторникам, начало в 18-00, в ауд. 508. Первая лекция состоится 27 февраля (вторник).

Логический анализ данных в распознавании, (Logical data analysis in recognition) лектор Е.В. Дюкова. В спецкурсе будут изложены общие принципы, лежащие в основе дискретных методов анализа информации в задачах распознавания, классификации и прогнозирования. Будут рассмотрены подходы к конструированию процедур распознавания на основе использования аппарата логических функций и методов построения покрытий булевых и целочисленных матриц. Будут изучены основные модели и рассмотрены вопросы, связанные с исследованием сложности их реализации и качества решения прикладных задач. Спецкурс для бакалавров 2-4 курсов. По спецкурсу издано учебное пособие. Спецкурс проходит по понедельникам в ауд. 682, начало в 16-20. Первое занятие состоится 05 марта (понедельник).

Анализ графов, сетей, функций сходства (Graphs, Network, Distance Function Analysis), А.И. Майсурадзе. Рассматриваются задачи и методы анализа систем, описание которых базируется на попарном или множественном взаимодействии объектов. Эти объекты могут быть однотипными или разнотипными. Когда важно само наличие или отсутствие взаимодействия, формализация проводится на языке теории графов. Расширении графового описания количественными характеристиками приводит к сетям. Если же считается, что каждый набор объектов может быть численно охарактеризован, говорят о расстояниях или сходствах. Представлена теоретическая основа для формализации задач и построения, реализации и анализа широкого спектра моделей и методов ИАД. Исследуются эвристические модели данных, описывающие исходную информацию об объектах распознавания на основе различных реализаций понятия сходства. Рассматриваются задачи, требующие решения при реализации указанных моделей. Изучаются специальные структуры данных и алгоритмы, позволяющие эффективно настраивать и использовать изучаемые модели. Идея сходства свойственна человеческому мышлению, это породило целый комплекс подходов для всех фундаментальных задач ИАД — так называемые метрические методы. Рассмотрены методы построения и вычисления функций сходства, согласование сходства на различных множествах объектов, синтез новых способов сравнения объектов на базе уже имеющихся. Рассмотрен комплекс приёмов, предназначенный для эффективного представления и обработки метрической информации вычислительными системами. Рассматриваются характеристики графов, активно используемые при их анализе. Изучаются алгоритмы на графах — как теоретически, так и с точки зрения эффективной реализации. Различные модели роста графов. Построение репрезентативных выборок на графах. Генерация графов с заданными характеристиками. Существенное внимание в курсе уделено многочисленным формализациям кластерного анализа. Показано, какие задачи решают распространённые методы. Проведена типологизация широкого спектра задач кластеризации для гомогенных и гетерогенных систем (бикластеризация, кокластеризация). Спецкурс проходит по понедельникам в ауд. 612, начало в 16-20. Первое занятие состоится 12 февраля (понедельник).

Аналитический SQL (Analytical SQL), А.И. Майсурадзе. В наши дни автоматизация и оптимизация многих видов деятельности невозможна без сбора и последующего анализа больших объёмов информации. При этом со временем стало ясно, что некоторые модели данных особенно удобны для людей - такие модели стали универсальным языком общения с самыми разными технологиями. В этом смысле одним из самых широкоупотребительных языков оказался SQL, и сегодня самые разные технологии (совсем не только реляционные) позволяют его использовать. В курсе на практических примерах будут даваться знания и отрабатываться навыки, которые понадобятся практически любому аналитику при работе с источниками данных. Акцент делается именно на аналитической деятельности: аналитик пользуется системами сбора и хранения данных, но не собирается администрировать их. Занятия предполагают интерактивное выполнение заданий на реальных БД. Спецкурс для бакалавров. Спецкурс проходит по понедельникам в ауд. 612, начало в 14-35. Первое занятие состоится 12 февраля (понедельник).

  • 12 декабря 2017 года: Добавлено расписание экзаменов в зимнюю сессию.
  • 11 октября 2017 года: Поздравляем студентов кафедры ММП Никиту Шаповалова, Николая Попова, Всеволода Викулина и Дарью Соболеву с первым местом на неофициальном чемпионате мира по анализу данных среди студентов вузов Data Science Game 2017.
  • 08 декабря 2017 года: Спецкурс Нестатистический анализ данных (Non-statisticalmethodsofdataminingandclassification), лектор В.В.Рязанов 19 декабря 2017 в 18:00 состоится экзамен.
  • 6 сентября 2017 года: Вступительный экзамен по математике в аспирантуру (устная часть) пройдёт в ауд. 523, начало в 13-00.
  • 11 марта 2017 года: С 26 по 30 августа 2017 года в Москве пройдет Летняя школа по байесовским методам в глубинном обучении. Некоторые темы школы: масштабируемые байесовские методы, байесовские нейросети, нормализация и вариационный дропаут в нейронных сетях, рекуррентные нейросети, механизмы внимания и генерация подписей к изображениям, технологии переноса стиля. Лекции будут сопровождаться практическими семинарами. Срок подачи заявок — 31 марта 2017.
  • 27 сентября 2017 года: Начинается чтение спецкурса «Непрерывные морфологические модели и алгоритмы» (Continuous morphological models and algorithms), лектор Л.М. Местецкий. В компьютере изображения представляются прямоугольными матрицами точек, обладающих определенным цветом и яркостью. Такое дискретное представление является удобным для ввода, запоминания, обработки в компьютере. Однако для анализа и распознавания формы объектов на изображении человеку привычнее и проще оперировать непрерывными геометрическими фигурами. Основные преимущества непрерывного представления формы объектов: адекватность его с физической сущностью «сплошных» объектов реального мира, возможность использования методов «непрерывной» математики для анализа, преобразования, распознавания формы объектов. В курсе рассматриваются основы непрерывного подхода к анализу формы объектов в дискретных изображениях. Сюда входит аппроксимация бинарных растровых изображений многоугольными фигурами, медиальное представление фигур, вычисление скелетов, сравнение и преобразование формы на основе медиального представления. Будут рассмотрены приложения непрерывных моделей формы в распознавании изображений. Курс проходит по пятницам в ауд. 524, начало в 16-20. Первое занятие состоится 29 сентября.
  • 19 сентября 2017 года: Начинается чтение спецкурса «Методы машинного обучения и поиск закономерностей в данных (Machine learning and search of regularities in data)», лектор д.ф.-м.н. Сенько О.В. В курсе обсуждаются основные проблемы, возникающие при использовании методов обучения по прецедентам (машинного обучения). Обсуждаются способы повышения обобщающей способности – точности прогноза на новых данных. Рассказывается о тесно связанной с задачей машинного обучения задаче поиска закономерностей в данных. Под закономерностью понимается некоторое относительно простое правило, связывающее прогнозируемую величину с другими переменными. Рассказывается о современных методах статистической верификации закономерностей, основанных на перестановочных тестах. Обсуждаются методы распознавания и регрессионного анализа, основанные методы, основанные на вычислении коллективных решений по системам закономерностей. Рассказывается также о различных методах кластерного анализа. Приведены примеры успешно решённых задач диагностики, прогнозирования, интеллектуального анализа данных в различных областях, включая медицину, антропологию, социологию, химию др. Приглашаются бакалавры. Спецкурс проходит по четвергам в ауд. 523, начало в 18-00. Первое занятие состоится 21 сентября (четверг).
  • 12 сентября 2017 года: Спецкурс Нестатистический анализ данных (Non-statisticalmethodsofdataminingandclassification), лектор В.В.Рязанов. Основная цель спецкурса состоит в изложении основанных на оптимизационных, дискретных и эвристических подходах методов анализа данных. Будут рассмотрены логические модели распознавания (классификации с учителем) и анализа разнотипных многомерных данных, методы оптимизации моделей распознавания, алгоритмы поиска скрытых логических закономерностей и связей по признаковым описаниям, методы создания качественных моделей объектов, ситуаций, явлений или процессов. Будут рассмотрены практические численные методы решения данных задач, и их применения в медицине, бизнесе, химии, технике и других областях. The aim is to present a special course based on optimization, discrete and heuristic approaches of data mining. The logical models of supervised classification, techniques to optimize models of classification, algorithms for finding hidden logical regularities will be considered. Приглашаются бакалавры. Спецкурс проходит по вторникам, начало в 18-00, в ауд. 508.
    Первая лекция состоится 19 сентября (вторник).
  • 12 сентября 2017 года: Начинается чтение спецкурса «Аналитические модели данных и их визуализация (Analytical Data Models and Visualization)», лектор А.И. Майсурадзе. В данном курсе излагаются теоретические и практические знания, которые понадобятся всем будущим аналитикам, ведь всем им предстоит собирать и хранить данные, «разглядывать» их самим и показывать другим. Модели данных – это стандартные в области аналитической деятельности «языки», на которых аналитики рассказывают друг другу о данных. Курс учит пользоваться этими общераспространенными «языками», что обеспечивает взаимопонимание при аналитической деятельности. Визуализация – это тоже форма рассказа о данных, соответственно, она тоже происходит в рамках таких «языков». Важнейшую роль такие «языки» получили в консалтинговых и аналитических подразделениях «Большой четверки». В современном анализе данных принято выделять три уровня задач, методов и соответствующих технологий: сбор и хранение данных, оперативная аналитика и визуализация, интеллектуальный анализ. Обычно бизнес, опирающийся на анализ данных, последовательно проходит все эти уровни. Всем сотрудникам компаний, непосредственно занимающимся или поддерживающим аналитическую деятельность, постоянно приходится работать с первыми двумя уровнями. Сложные математические модели преобразования информации (машинное обучение) относятся к последнему третьему уровню. Разумеется, в эру больших данных в первую очередь выросла сложность задач и технологий первых двух уровней. Общеизвестным примером является система Google Analytics. Будут рассмотрены основные модели данных – разные способы мыслить и формализовать представление информации в аналитике. В связи с этим будет рассмотрена «аналитическая» часть SQL. В свою очередь, о визуализации будет рассказано одновременно с позиций аналитических целей и моделей данных. Будут рассмотрены «гиганты визуализации» – системы QlikView и Tableau,– развивающие идеологию OLAP. Будут рассмотрены практики «рассказывания историй по данным» (storytelling with data) и «интерактивных панелей». В курсе основное внимание уделяется «языку» аналитического общения, соответственно, большая его часть доступна бакалаврам первого-второго курсов. Предполагается, что студенты подготовят панель и сделают доклад о данных по актуальной для них жизненной проблеме. Спецкурс проходит по понедельникам в ауд. 582, начало в 16-20. Первое занятие состоится 11 сентября (понедельник).
  • 12 сентября 2017 года: Начинается чтение спецкурса «Логический анализ данных в распознавании (Logical data analysis in recognition)», лектор Е.В.Дюкова. В спецкурсе будут изложены общие принципы, лежащие в основе дискретных методов анализа информации в задачах распознавания, классификации и прогнозирования. Будут рассмотрены подходы к конструированию процедур распознавания на основе использования аппарата логических функций и методов построения покрытий булевых и целочисленных матриц. Будут изучены основные модели и рассмотрены вопросы, связанные с исследованием сложности их реализации и качества решения прикладных задач. Спецкурс для бакалавров. По спецкурсу издано учебное пособие. Спецкурс проходит по понедельникам в ауд. 645, начало в 16-20. Первое занятие состоится 02 октября (понедельник).
  • 18 мая 2017 года: Добавлено расписание экзаменов для 317-й и 517-й групп.
  • 15 марта 2017 года: Добавлено расписание выпускных мероприятий для 417-й и 617-й групп.
  • 17 февраля 2017 года: Спецкурс "Задачи и алгоритмы вычислительной геометрии" (Computational Geometry: Problems and Algorithms), лектор Л.М. Местецкий, проходит по пятницам с в ауд. 607, начало в 18-05. Первое занятие состоится 10 марта (пятница).
    Семестровый спецкурс для студентов ВМК Эффективные алгоритмы работы с геометрической информацией являются непременным атрибутом всех современных систем машинного зрения, анализа и распознавания изображений, компьютерной графики и геоинформатики. Геометрические алгоритмы предоставляют хорошее поле для развития алгоритмического мышления, необходимого в прикладной математике. В первой части спецкурса будут рассмотрены классические темы вычислительной геометрии: геометрический поиск, выпуклые оболочки, пересечение и близость объектов, диаграммы Вороного, триангуляции Делоне. Вторая часть курса посвящена скелетам, обобщениям диаграмм Вороного для многоугольников и задачам медиального анализа формы изображений. Просьба всем желающим прослушать этот курс зарегистрироваться, послав письмо на почту mestlm@mail.ru Приглашаются студенты, магистры и аспиранты.
  • 6 февраля 2017 года: Спецкурс "Вероятностное тематическое моделирование", лектор профессор РАН, д.ф.-м.н. К.В. Воронцов, проходит по пятницам в ауд. 609, начало в 18-00. Первое занятие состоится 10 февраля (пятница). Специальный раздел машинного обучения. Математика на стыке теорвера и оптимизации. Матричные разложения и регуляризация некорректно поставленных задач. Немного компьютерной лингвистики. Новые парадигмы информационного поиска для изучения и систематизации знаний. Когнитивная графика для анализа больших текстовых коллекций и концепция «distant reading». Неожиданные приложения методов анализа текстов к транзакционным данным банка и медицинской диагностике по электрокардиограмме. Для любителей программирования – участие в проекте с открытым кодом BigARTM.org. Для особо увлечённых – дополнительные семинары в офисе Яндекса по средам вечером. Решение задач из реальной жизни, у которых нет правильного ответа в конце учебника. 18+ (для студентов, познавших теорвер): Вероятностные тематические модели, К.В. Воронцов
  • 13 февраля 2017 года: Начинается чтение спецкурса «Логический анализ данных в распознавании», лектор Е.В.Дюкова. В спецкурсе будут изложены общие принципы, лежащие в основе дискретных методов анализа информации в задачах распознавания, классификации и прогнозирования. Будут рассмотрены подходы к конструированию процедур распознавания на основе использования аппарата логических функций и методов построения покрытий булевых и целочисленных матриц. Будут изучены основные модели и рассмотрены вопросы, связанные с исследованием сложности их реализации и качества решения прикладных задач. Спецкурс рассчитан на студентов 2-5 курсов. По спецкурсу издано учебное пособие. Спецкурс рассчитан на студентов 2-5 курсов. По спецкурсу издано учебное пособие. Спецкурс проходит по понедельникам в ауд. 645, начало в 16-20. Первое занятие состоится 20 февраля (понедельник).
  • 13 февраля 2017 года: Спецкурс Нестатистический анализ данных, лектор В.В.Рязанов, проходит по вторникам, начало в 18-00, в ауд. 605.
    Первая лекция состоится 28 февраля (вторник). В спецкурсе будут рассмотрены проблемы и методы кластерного анализа (подходы и алгоритмы кластеризации с известным и неизвестным числом кластеров, критерии кластеризации, вопросы устойчивости, построение оптимальных решений), дискретные методы для решения задач классификации множествами алгоритмов, новые подходы и алгоритмы в регрессионном анализе и анализе данных (решение задач восстановления зависимостей на основе решения задач классификации, задачи классификации с большим числом классов). Будут рассмотрены практические задачи классификации и поиска зависимостей по прецедентам, применения в медицине, бизнесе и технике.
  • 13 февраля 2017 года: Начинается чтение спецкурса «Методы машинного обучения и поиск достоверных закономерностей в данных», лектор д.ф.-м.н. Сенько О.В. В курсе обсуждаются основные проблемы, возникающие при использовании методов обучения по прецедентам (машинного обучения). Обсуждаются способы повышения обобщающей способности – точности прогноза на новых данных. Рассказывается о тесно связанной с задачей машинного обучения задаче поиска закономерностей в данных. Под закономерностью понимается некоторое относительно простое правило, связывающее прогнозируемую величину с другими переменными. Рассказывается о современных методах статистической верификации закономерностей, основанных на перестановочных тестах. Обсуждаются методы распознавания и регрессионного анализа, основанные методы, основанные на вычислении коллективных решений по системам закономерностей. Рассказывается также о различных методах кластерного анализа. Приведены примеры успешно решённых задач диагностики, прогнозирования, интеллектуального анализа данных в различных областях, включая медицину, антропологию, социологию, химию др. Курс проходит по четвергам в ауд. 507, начало в 18-00. Первое занятие состоится 16 февраля.
  • 13 февраля 2017 года: Начинается чтение спецкурса «Анализ графов, сетей, функций сходства», лектор А.И. Майсурадзе. В курсе изучаются методы и технологии интеллектуального анализа данных (ИАД, Data Mining), базирующиеся на моделях, в которых объекты рассматриваются парами. Есть два основных пути формализовать пару объектов: между некоторыми объектами есть связь или взаимодействие — и тогда мы говорим о графах и сетях; между всеми объектами есть сходство или расстояние — и тогда речь идёт о различных метриках. Эти две формализации не исключают друг друга, например в классической задаче поиска кратчайшего пути мы говорим одновременно о графах и расстояниях. Сегодня графы появляются всё время и во всех предметных областях. Если некоторые теоретические подходы и индустриальные стандарты возникли уже несколько десятилетий назад, то технологии сбора и обработки информации развиваются в наши дни. Основное внимание уделяется анализу свойств и выявлению подструктур в сетях. Важную роль играет изучение механизмов роста сетей, базирующееся на различных моделях и методах генерации графов. Идея сходства свойственна человеческому мышлению, это породило целый комплекс подходов для решения всех фундаментальных задач ИАД. Представлена теоретическая основа для построения, реализации и анализа широкого спектра моделей и методов ИАД. Рассмотрены методы построения и вычисления функций сходства, согласование сходства на различных множествах объектов, синтез новых способов сравнения объектов на базе уже имеющихся. Рассмотрен комплекс технологий, предназначенный для эффективного представления и обработки метрической информации вычислительными системами. Изучаются специальные структуры данных и алгоритмы, позволяющие эффективно настраивать и использовать изучаемые модели. Существенный практический интерес представляют различные методы визуализации рассматриваемых информационных моделей. Спецкурс могут слушать второкурсники. Спецкурс проходит по понедельникам в ауд. 607, начало в 16-20. Первое занятие состоится 13 февраля.


  • 08 декабря 2016 года: Добавлено расписание экзаменов в зимнюю сессию.
  • 26 декабря 2016 года: Внимание аспирантов! Аттестация аспирантов состоится 18 января 2017 г. (среда) в 13:00, ауд. 682
  • 06 декабря 2016 года: Внимание аспирантов! Экзаменационная сессия в аспирантуре будет проходить 21 декабря 2016 г. до 21 января 2017 года, аттестация всех аспирантов – 12 января 2017 г. до 21 января 2017 года.
  • 25 октября 2016 года: В пятницу, 28 октября в рамках спецсеминара «Способы повышения эффективности в задачах машинного обучения и интеллектуального анализа данных» (рук. Сенько О.В.) состоится доклад Дмитрия Лунина по теме «Восстановление зависимостей в данных на основе байесовких сетей». В докладе будут рассмотрены алгоритмы поиска структуры байесовских сетей. Байесовские сети являются эффективным средством представления многомерных вероятностных распределений и как следствие восстановления зависимостей признаков в данных. Байесовские сети являются одним из инструментов решения задач распознавания, прогнозирования и анализа на основе алгоритмов байесовского вывода различных сценариев развития ситуаций в сложных системах. Начало в 18-00, ауд. 523.
  • 26 сентября 2016 года: Начинается чтение спецкурса «Непрерывные морфологические модели и алгоритмы», лектор Л.М. Местецкий. В курсе рассматриваются основы непрерывного подхода к анализу формы объектов в дискретных изображениях. Сюда входит аппроксимация бинарных растровых изображений многоугольными фигурами, представление фигур циркулярными графами, вычисление скелетов, сравнение и преобразование формы на основе циркулярных графов. Будут рассмотрены приложения непрерывных моделей формы в распознавании изображений. Курс проходит по вторникам в ауд. 707, начало в 16-20. Первое занятие состоится 30 сентября.
  • 19 сентября 2016 года: Начинается чтение спецкурса «Методы машинного обучении и поиск достоверных закономерностей в данных», лектор Сенько О.В. В курсе обсуждаются основные проблемы, возникающие при использовании методов обучения по прецедентам (машинного обучения). Обсуждаются способы повышения обобщающей способности – точности прогноза на новых данных. Рассказывается о тесно связанной с задачей машинного обучения задаче поиска закономерностей в данных. Под закономерностью понимается некоторое относительно простое правило, связывающее прогнозируемую величину с другими переменными. Рассказывается о современных методах статистической верификации закономерностей, основанных на перестановочных тестах. Обсуждаются методы распознавания и регрессионного анализа, основанные методы, основанные на вычислении коллективных решений по системам закономерностей. Рассказывается также о различных методах кластерного анализа. Приведены примеры успешно решённых задач диагностики, прогнозирования, интеллектуального анализа данных в различных областях, включая медицину, антропологию, социологию, химию др. Курс проходит по четвергам в ауд. 612, начало в 18-00. Первое занятие состоится 22 сентября.
  • 19 сентября 2016 года: Начинается чтение спецкурса «Нестатистические методы анализа данных и классификации», лектор Рязанов В.В.. Основная цель спецкурса состоит в изложении основанных на оптимизационных, дискретных и эвристических подходах методов анализа данных. Будут рассмотрены логические модели распознавания (классификации с учителем) и анализа разнотипных многомерных данных, методы оптимизации моделей распознавания, алгоритмы поиска скрытых логических закономерностей и связей по признаковым описаниям, методы создания качественных моделей объектов, ситуаций, явлений или процессов. Будут рассмотрены практические численные методы решения данных задач, и их применения в медицине, бизнесе, химии, технике и других областях. Приглашаются студенты 3-6 курсов и аспиранты. Курс проходит по четвергам в ауд. 605, начало в 18-00. Первое занятие состоится 22 сентября.
  • 12 сентября 2016 года: Начинается чтение спецкурса «Восстановление зависимостей в больших массива данных», лектор О.В. Красоткина. Целью данного курса является систематическое изучение распределённых файловых систем (таких, как например, Hadoop) как инструмента для создания параллельных реализаций алгоритмов машинного обучения на больших массивах данных. В ходе курса студенты получат навык использования возможностей модели распределённых вычислений MapReduce для параллельных вычислений над очень большими наборами данных в компьютерных кластерах. В ходе курса рассматриваются параллельные реализации таких основных алгоритмов машинного обучения как регрессия, классификация, кластеризация, коллаборативная фильтрация, распознавание образов в метрических пространствах и т.д. Также в рамках курса студентам будет предложено разработать собственные параллельные реализации алгоритмов восстановления зависимостей. Курс ориентирован на студентов, знакомых с основными концепциями и алгоритмами машинного обучения. Курс проходит по понедельникам в ауд. 523, начало в 18-05. Первое занятие состоится 26 сентября.
  • 12 сентября 2016 года: Начинается чтение спецкурса «Аналитические модели данных и их визуализация», лектор А.И. Майсурадзе. В современном анализе данных принято выделять три уровня задач, методов и соответствующих технологий: сбор и хранение данных, оперативная аналитика и визуализация, интеллектуальный анализ. Обычно бизнес, опирающийся на анализ данных, последовательно проходит все три уровня. Сложные математические модели преобразования информации (машинное обучение) относятся к последнему III уровню. При этом всем сотрудникам компаний, непосредственно занимающимся или поддерживающим аналитическую деятельность, постоянно приходится работать с первыми двумя уровнями. Разумеется, в эру больших данных в первую очередь выросла сложность задач и технологий этих первых двух уровней. Общеизвестным примером является Google Analytics. В данном курсе излагаются теоретические и практические знания, которые понадобятся всем будущим аналитикам, ведь всем им предстоит собирать, хранить, преобразовывать и «разглядывать» данные. Будут рассмотрены основные модели данных – разные способы мыслить и формализовать представление информации в аналитике. В связи с этим будет рассмотрена «аналитическая» часть SQL. В свою очередь, о визуализации будет рассказано одновременно с позиций аналитических целей и моделей данных. Будут рассмотрены системы QlikView и Tableau – «гиганты визуализации», развивающие идеологию OLAP. Будут рассмотрены практики «рассказывания историй по данным» (storytelling with data). Спецкурс проходит по понедельникам в ауд. 612, начало в 16-20. Первое занятие состоится 19 сентября.
  • 12 сентября 2016 года: Начинается чтение спецкурса «Логический анализ данных в распознавании», лектор Е.В.Дюкова. В спецкурсе будут изложены общие принципы, лежащие в основе дискретных методов анализа информации в задачах распознавания, классификации и прогнозирования. Будут рассмотрены подходы к конструированию процедур распознавания на основе использования аппарата логических функций и методов построения покрытий булевых и целочисленных матриц. Будут изучены основные модели и рассмотрены вопросы, связанные с исследованием сложности их реализации и качества решения прикладных задач. Спецкурс рассчитан на студентов 2-5 курсов. По спецкурсу издано учебное пособие. Спецкурс проходит по понедельникам в ауд. 645, начало в 16-20. Первое занятие состоится 26 сентября (понедельник).
  • 30 сентября 2016 года: Информация для магистров 2го, желающих пересдавать АМА, - на странице курса.
  • 13 июля 2016 года: Определён список студентов, принятых в магистратуру.
  • 05 мая 2016 года: Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы», рук.: С.И. Гуров, А.И. Майсурадзе проходит по вторникам, начало в 18-05, ауд. 704. 10 мая (вторник) С. В. Илларионова с докладом «Разработка нейрокомпьютерного интерфейса BCI».
    Н. Е. Юдин с докладом «Задача распознавания моргания глаз в BCI». Одной из актуальных на сегодняшний день областей математических исследований является BCI (brain-computer interface). Основная идея данных разработок заключается в создание программного и медицинского обеспечения, позволяющего передавать сигналы с поверхности мозга в компьютер. Приборы для считывания сигналов поступили в продажу несколько лет назад и получили широкое распространение в сфере развлечений. В докладе будет рассказано о реализации алгоритма машинного обучения, использующего в качестве признакового пространства выходы преобразования Фурье и Прони сигналов с Epoc Emotiv, на примере задачи анализа ментального ввода паролей для объектов с ограниченным доступом.
    Построение нейрокомпьютерного интерфейса (англ. BCI) на основе анализа электроэнцефалограммы (ЭЭГ) головного мозга имеет неоспоримые плюсы в виде высокого временного разрешения, то есть высокая производительность, и неинвазивности самого метода. Но чтобы их эффективно использовать, необходимо прежде всего извлечь из сигнала признаки, отвечающие определённым видам мозговой активности. В рамках доклада будет представлен метод распознавания моргания глаз по анализу видео потока, с помощью которого в дальнейшем можно будет извлечь признаки ЭЭГ, отвечающие за моргание глаз.
    Приглашаются все желающие.
  • 22 апреля 2016 года: Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы», рук.: С.И. Гуров, А.И. Майсурадзе проходит по вторникам, начало в 18-05, ауд. 704. 26 апреля (вторник) П. А. Коваленко с докладом «Управление механическим манипулятором посредством нейрокомпьютерного интерфейса».
    Нейрокомпьютерные интерфейсы (Brain-ComputerInterface, BCI) – приборы, позволяющие передавать сигналы от головного мозга к компьютеру напрямую, без использования привычных устройств ввода, таких как мышь и клавиатура. Наиболее распространенным их вариантом являются приборы, считывающие электроэнцефалограмму с поверхности головы. В последнее время появился ряд коммерческих вариантов нейрокомпьютерных интерфейсов, таких как EmotivEpoc (представлен на фотографии ниже), доступных для использования не только лабораториям и медицинским учреждениям, но и рядовым пользователям. Одним из возможных применений нейрокомпьютерного интерфейса является управление механическим устройством, например, механической рукой.
    В докладе будет более подробно рассказано об устройстве нейрокомпьютерных интерфейсов, в частности, EmotivEpoc, и некоторых подходах к работе с ними. Также будут упомянуты некоторые результаты, полученные исследователями в этой области. Приглашаются все желающие.
  • 14 апреля 2016 года: Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы», рук.: С.И. Гуров, А.И. Майсурадзе проходит по вторникам, начало в 18-05, ауд. 704. 19 апреля (вторник) А. Левин с докладом «ПРОДАЖИ В КРУПНОЙ IT КОМПАНИИ».
    Этот доклад будет полезен для тех выпускников, которые хотели бы начать свою карьеру в крупной IT компании. Я поделюсь своим опытом работы в отделе продаж IBM и расскажу об основах продаж, которые важно знать для студентов/выпускников, перед тем как попробовать себя в этом направлении. Также я расскажу о том как представлена компания IBM в России и Мире, какие направления в IT активно развиваются и как начать строить свою карьеру в IBM. Приглашаю всех желающих и охотно отвечу на вопросы!
  • 07 апреля 2016 года: Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы», рук.: С.И. Гуров, А.И. Майсурадзе проходит по вторникам, начало в 18-05, ауд. 704. 12 апреля (вторник) М.И.Сабурова с докладом «Трехдольная модель данных в задачах анализа корпусов текстов».
    В литературе описывается большое число задач, связанных санализом корпусов текстов. Корпусные коллекции представляет собой массив слабоструктурированной информации и сложность автоматизации методов решения задач анализа такой информации состоит в отсутствии очевидных формальных моделей. В докладе будет предложена реляционная трехдольная модель данных и методы получения данных в этой модели.Рассмотрена реализация трехдольной модели с одной функциональной связью для случая «документы-маркеры-рубрики». Исходные данные уже содержат необходимые единицы анализа: тексты, речевые маркеры и рубрики, при этом имеются связи между маркерами и текстами, текстами и рубриками. Задачу восстановления необходимой связи между маркерами и рубриками предлагается решать автоматически, как задачу распределения признаков по классам. Приглашаются все желающие.
  • 31 марта 2016 года: Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы», рук.: С.И. Гуров, А.И. Майсурадзе проходит по вторникам, начало в 18-05, ауд. 704. 05 апреля (вторник) Бурмистров Владимир Васильевич МГТУ им. Н. Э. Баумана, Успенский Вячеслав Максимилианович Центральный Военный Клинический Госпиталь №2 им. П. В. Мандрыка, г. Королев с докладом «Математические возможности оптимизации технологии информационного анализа электрокардиосигналов».
    Анализ сигналов электрокардиограммы находит всё большее применении в медицинской функциональной диагностике. Возможности анализа ЭКГ-сигналов пытаются распространить за рамки кардиологии как в России, так и за рубежом. Уже известны различные способы интегральной оценки состояния организма человека по ЭКГ-сигналам. Разрабатываются и исследуются способы определения функционального состояния различных систем человека, например нервной вегетативной. Недостатком вышеуказанных способов диагностики является то, что они не позволяют провести диагностику заболеваний. Авторы доклада исследуют и развивают способы диагностики по ЭКГ-сигналам разных видов заболеваний в различных органах на любой стадии их развития. Оптимизация технологии анализа состоит как в сокращении времени диагностики, так и в повышении её точности. Пример результата. По анализу ЭКГ-сигналов вынесено верное заключение о наличии у больного ишемической болезни сердца, гипертонической болезни, хронического холецистита, дискинезии желчевыводящих путей, желчнокаменной болезни, мочекаменной болезни, хронического гастродуоденита, хронического колита, хронического простатита с риском формирования аденомы. Исследование длилось 12 минут. С математической точки зрения речь идёт об анализе скрытых устойчивых зависимостей в динамических рядах параметров временных сигналов. Будет освещён новый подход к проблеме сжатия, каталогизации и защиты информации. Приглашаются все желающие. Будут предложены возможные темы курсовых работ, поэтому доклад интересен студентам, интересующимся распределением.
  • 16 марта 2016 года: Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы», рук.: С.И. Гуров, А.И. Майсурадзе проходит по вторникам, начало в 18-05, ауд. 704. 22 марта (вторник) Н.М. Борисов (000 «ПОНКЦ», Pathway Pharmaceuticals Ltd, НИЦ «Курчатовский институт) с докладом «МАТЕМАТИЧЕСКИЕ ОСНОВЫ СИСТЕМНО-БИОИНФОРМАТИЧЕСКОЙ ПЛАТФОРМЫ ONCOFINDER».
    Одна из главных проблем онкологии - индивидуализация подхода к терапии и выбор оптимального для каждого пациента курса лечения. При одинаковой картине появления и развития заболевания, индивидуальная реакция пациентов на проводимые курсы лечения может различаться диаметрально противоположно и если лечить всех пациентов по единой схеме - около трети всех больных обрекаются на смерть только из-за упущенного времени и побочных токсических эффектов. Поэтому подходы к лечению обязательно должны учитывать индивидуальные особенности возникновения и протекания болезни. Системно-биологическая платформа OncoFinder предназначена для анализа активации внутриклеточных сигнальных и метаболических путей, а также для поддержки принятия решений о назначении тех или иных методов лечения индивидуальным пациентам. Приглашаются все желающие,и особенно студенты 2-го курса, определяющиеся с распределением на кафедры.
  • 15 марта 2016 года: Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы», рук.: С.И. Гуров, А.И. Майсурадзе проходит по вторникам, начало в 18-05, ауд. 704. 15 марта (вторник) Панкратов Антон с докладом «Распознавание нумерации на рукописях c помощью нейронных сетей».
    В настоящее время нейронные сети — популярный инструмент машинного обучения, позволяющий автоматически выделять закономерности в данных. Огромное распространение нейронные сети получили в задачах компьютерного зрения после развития технологий глубокого обучения, в частности, появления свёрточных сетей. В докладе рассматриваются основные виды нейронных сетей и способы их обучения. Также предлагается решение задачи по распознаванию номера на отсканированных рукописях. Приглашаются все желающие.
  • 16 февраля 2016 года: Спецкурс "Вероятностное тематическое моделирование", К.В. Воронцов, проходит по пятницам в ауд. 607, начало в 18-00. Первое занятие состоится 19 февраля (пятница). В спецкурсе изучаются методы тематического моделирования (topic modeling) коллекций текстовых документов. Тематические модели предназначены для выявления латентной семантики текстов. Развивается не-байесовский многокритериальный подход к решению некорректно поставленной задачи стохастического матричного разложения — аддитивная регуляризация тематических моделей. Рассматриваются тематические модели для решения прикладных задач разведочного информационного поиска (exploratory search) в коллекциях научных статей и в социальных сетях, задач классификации, категоризации, сегментации и суммаризации текстов естественного языка, задач коллаборативной фильтрации и рекомендательных систем, а также задач анализа и классификации дискре-тизированных биомедицинских сигналов. Особое внимание будет уделено методам дист-рибутивной семантики типа word2vec и комбинированию статистических и лингвистиче-ских методов анализа текстов. Предполагается проведение студентами численных экспе-риментов на модельных и реальных данных, в том числе с использованием параллельной библиотеки с открытым кодом для онлайнового тематического моделирования BigARTM. www.MachineLearning.ru: Вероятностные тематические модели, К.В. Воронцов
  • 15 февраля 2016 года: Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы», рук.: С.И. Гуров, А.И. Майсурадзе проходит по вторникам, начало в 18-05, ауд. 704. 16 февраля (вторник) В.Д. Козлов с докладом «Современные подходы к формализации и решению задачи подбора параметров распределений по выборке».
    Задача восстановления распределения по исходной выборке лежит в основе многих инструментов статистики и фундаментальных задач интеллектуального анализа данных. Наиболее распространённым подходом к формализации таких задач является предложенный ещё в начале ХХ в. метод максимума правдоподобия. Для многих классов распределений этот метод позволяет получить оценки параметров, обладающие многими положительными свойствами, либо в явном виде, либо с использованием относительно простого метода оптимизации. Однако в последнее время возникает всё больше предметных областей, в которых используются сложные семейства распределений. Это приводит к необходимости создания новых подходов к оценке параметров распределений. В докладе рассматриваются классические и новые способы формализации указанной задачи, а также различные методы решения для каждой из формализаций. Приглашаются все желающие.
  • 12 февраля 2016 года: Спецкурс "Методы машинного обучении и поиск достоверных закономерностей в данных" (Machine learning and search of valid regularities in data), лектор Сенько Олег Валентинович, проходит по четвергам, начало в 18-00, ауд. 605. Первое занятие состоится 18 февраля (четверг). В курсе обсуждаются основные проблемы, возникающие при использовании методов обучения по прецедентам (машинного обучения). Даётся краткий обзор существующих методов распознавания и регрессионного анализа. Обсуждаются способы повышения обобщающей способности методов машинного обучения. Приглашаются студенты, магистры и аспиранты.
  • 12 февраля 2016 года: Спецкурс " Метрические методы интеллектуального анализа данных" (Metric Methods of Data Mining) лектор, А.И. Майсурадзе проходит по вторникам, начало в 16-20, ауд. 523. 16 февраля (вторник) Рассматриваются методы и технологии, применяющиеся в интеллектуальном анализе данных (ИАД, data mining) и базирующиеся на понятиях сходства, близости, аналогии. Идея сходства свойственна человеческому мышлению, это породило целый комплекс подходов для всех фундаментальных задач ИАД, среди которых основное внимание в курсе уделено классификации, восстановлению регрессии, кластеризации, восстановлению пропущенных данных. Представлена теоретическая основа для построения, реализации и анализа широкого спектра моделей и методов ИАД. Рассмотрены методы построения и вычисления функций сходства, согласование сходства на различных множествах объектов, синтез новых способов сравнения объектов на базе уже имеющихся. Рассмотрен комплекс технологий, предназначенный для эффективного представления и обработки метрической информации вычислительными системами. Исследуются эвристические модели данных, описывающие исходную информацию об объектах распознавания на основе различных реализаций понятия сходства. Рассматриваются задачи, требующие решения при реализации указанных моделей. Изучаются специальные структуры данных и алгоритмы, позволяющие эффективно настраивать и использовать изучаемые модели. Большую часть спецкурса могут слушать уже второкурсники. Программа курса доступна на сайте http://www.machinelearning.ru. Приглашаются студенты, магистры и аспиранты.
  • 12 февраля 2016 года: Спецкурс "Нестатистический анализ данных" (Non-statistical data mining), лектор В.В.Рязанов, проходит по вторникам, начало в 18-00, в ауд. 505.
    Первая лекция состоится 16 февраля (вторник). В спецкурсе будут рассмотрены проблемы и методы кластерного анализа (подходы и алгоритмы кластеризации с известным и неизвестным числом кластеров, критерии кластеризации, вопросы устойчивости, построение оптимальных решений), дискретные методы для решения задач классификации множествами алгоритмов, новые подходы и алгоритмы в регрессионном анализе и анализе данных (решение задач восстановления зависимостей на основе решения задач классификации). Будут рассмотрены практические задачи классификации и поиска зависимостей по прецедентам, применения в медицине, бизнесе и технике. Приглашаются студенты, магистры и аспиранты.
  • 12 февраля 2016 года: Спецкурс "Задачи и алгоритмы вычислительной геометрии" (Computational Geometry: Problems and Algorithms), лектор Л.М. Местецкий, проходит по вторникам в ауд. 510, начало в 18-00. Первое занятие состоится 16 февраля (вторник).
    Эффективные алгоритмы работы с геометрической информацией являются непременным атрибутом всех современных систем машинного зрения, анализа и распознавания изображений, компьютерной графики и геоинформатики. Геометрические алгоритмы предоставляют хорошее поле для развития алгоритмического мышления, необходимого в прикладной математике. В первой части спецкурса будут рассмотрены классические темы вычислительной геометрии: геометрический поиск, выпуклые оболочки, пересечение и близость объектов, диаграммы Вороного, триангуляции Делоне. Вторая часть курса посвящена скелетам, обобщениям диаграмм Вороного для многоугольников и задачам медиального анализа формы изображений. Приглашаются студенты, магистры и аспиранты.
  • 12 февраля 2016 года: Спецкурс "Математические методы анализа текстов" (Mathematical methods of text analysis), лектор Китов Виктор Владимирович, проходит по четвергам в ауд. 510, начало в 18-00.
    Первое занятие состоится 25 февраля (четверг). В курсе даются математические подходы к автоматическому анализу и извлечению информации из текстов. Изучается обработка и парсинг текста:
    • на уровне слов (определение морфологических характеристик, частей речи)
    • на уровне предложений (определение субъекта, объекта, действия, дополнений)
    • на уровне фрагмента текста (определение именованных сущностей)
    • на уровне коллекции документов (извлечение основных тем, представленных в коллекции).
Далее изученные методы обработки текстов используются для классификации текстов по категориям, эффективной визуализации содержимого больших текстовых коллекций, извлечения фактов из текстов для наполнения баз данных фактов, представленных онтологиями.
Спецкурс предполагает знание теории вероятностей, линейной алгебры, математического анализа и основ машинного обучения. В качестве основных инструментов работы с текстами будет использоваться язык программирования Python с научными библиотеками, модуль по обработке текстов NLTK, а также публично доступная онтология WordNet. Приглашаются студенты, магистры и аспиранты.
  • 5 апреля 2016 года: Добавлено расписание экзаменов для 417-й группы.
  • 16 марта 2016 года: Открыта регистрация на ежегодную летнюю школу Microsoft Research, которая пройдёт в период с 17 по 24 июля 2016 года в г.Казань. Подача заявок до 18 апреля включительно. Темой этого года станет «Интернет вещей» (Internet of Things). Помимо вводных курсов будет затронут широкий спектр вопросов, от дизайна пользовательского интерфейса и адаптации поведения приложения в зависимости от данных с различных сенсоров до специфики проектирования приложений для работы в условиях ограничений заряда аккумулятора и интерференции беспроводных сигналов. Программа рассчитана на студентов, аспирантов и молодых учёных, и будет включать лекции и семинары исследователей и учёных ведущих университетов и исследовательских организаций со всего мира.
  • 3 февраля 2016 года: Добавлено расписание занятий на весенний семестр.
  • 11 февраля 2016 года: Вторая пересдача по курсу "Алгоритмы, модели, алгебры" для магистров 517 группы состоится 15 февраля в 10:30 в ауд. П-14. До пересдачи необходимо сдать все долги за семестр.
  • 24 июня 2015 года: Поздравляем команду МГУ кафедры ММП в составе Олега Харациди, Александра Новикова, Андрея Остапца и Дмитрия Ульянова с первым местом (среди 20 команд из 8 стран) на соревновании Data Science Game 2015, Франция!
  • 10 декабря 2015 года: Добавлено расписание экзаменов в зимнюю сессию.
  • 13 октября 2015 г.: Начинает работу спецсеминар под руководством О.В. Красоткиной. Первое заседание состоится в четверг, 15 октября, в ауд. 682, начало в 18-00. На спецсеминаре выступит Турков П.А. с докладом «Обучение распознаванию образов в условиях нестационарной генеральной совокупности». Целью работы является разработка алгоритмически эффективных методов обучения распознаванию образов с высокой обобщающей способностью на данных, полученных от исследуемого явления или объекта, свойства которых изменяются с течением времени. Приглашаются студенты 2-4 курса, магистры и аспиранты.
  • 17 сентября 2015 г.: Начинается чтение спецкурса «Неклассические математические модели обработки данных», лектор А.И. Майсурадзе. Цель курса состоит в том, чтобы продемонстрировать различные способы представления информации и формализации знаний, соответственно, различные способы проведения рассуждений и различные виды представления результатов, к которым указанные рассуждения приводят. Результаты анализа данных требуется транслировать в рамки того же самого формализма, который используется при рассуждениях. И наоборот, каждая модель предполагает свои способы перехода от формализма к окончательному решению. В курсе для каждой модели рассматриваются способы включения данных и рассуждений в общую стратегию принятия решений.

В частности, будет продемонстрировано, как можно сравнивать конкурентов, и как каждый из конкурентов способен показать, что его предложение – лучшее. Занятия проходят по понедельникам в ауд. 503, начало в 16-20. Первое занятие 14 сентября. Приглашаются все желающие.

  • 15 сентября 2015 года: Начинает работу спецсеминар Алгебра над алгоритмами и эвристический поиск закономерностей, рук. А.Г.Дьяконов. Занятия проходят по средам в ауд. 607, начало в 18-10. Первое занятие 16 сентября.
  • 14 сентября 2015 г.: Начинается чтение спецкурса Методы машинного обучения и поиск достоверных закономерностей в данных, лектор О.В. Сенько. В курсе обсуждаются основные проблемы, возникающие при использовании методов обучения по прецедентам (машинного обучения). Даётся краткий обзор существующих методов распознавания и регрессионного анализа. Рассказывается о способах оценки точности на генеральной совокупности (обобщающей способности). Обсуждаются способы повышения обобщающей способности методов машинного обучения. Приводятся примеры успешно решённых задач диагностики, прогнозирования, интеллектуального анализа данных в различных областях, включая медицину, антропологию, социологию, химию др. Занятия проходят по четвергам в ауд. 607, начало в 18-00. Первое занятие 17 сентября.
  • 11 сентября 2015 г.: Начинается чтение спецкурса Восстановление зависимостей в больших массивах данных, лектор О.В. Красоткина. Целью данного курса является систематическое изучение распределённых файловых систем (таких, как например, Hadoop) как инструмента для создания параллельных реализаций алгоритмов машинного обучения на больших массивах данных. В ходе курса студенты получат навык использования возможностей модели распределённых вычислений MapReduce для параллельных вычислений над очень большими наборами данных в компьютерных кластерах. В ходе курса рассматриваются параллельные реализации таких основных алгоритмов машинного обучения как регрессия, классификация, кластеризация, коллаборативная фильтрация, классификация в метрических пространствах и т.д. Так же в рамках курса студентам будет предложено разработать собственные параллельные реализации алгоритмов восстановления зависимостей. Курс ориентирован на студентов, знакомых с основными концепциями и алгоритмами машинного обучения. Занятия проходят по четвергам в ауд. 682, начало в 16-20. Первое занятие состоится 17 сентября.
  • 7 сентября 2015 г.: Начинается чтение спецкурса Методы оптимизации в машинном обучении, лектор Д.А. Кропотов. Курс посвящен изучению классических и современных методов решения задач непрерывной оптимизации, а также особенностям применения этих методов в задачах оптимизации, возникающих в машинном обучении. Наличие у слушателей каких-либо предварительных знаний по оптимизации не предполагается, все необходимые понятия разбираются в ходе занятий. Основной акцент в изложении делается на практические аспекты реализации и использования методов. Занятия проходят по понедельникам в ауд. 607, начало в 18-10. Первое занятие состоится 14 сентября.
  • 7 сентября 2015г.: Спецкурс Нестатистические методы анализа данных и классификации, лектор В.В.Рязанов, проходит по вторникам, начало в 18-00, в ауд. 607.
    Первая лекция состоится 15 сентября (вторник). Основная цель спецкурса состоит в изложении основанных на оптимизационных, дискретных и эвристических подходах методов анализа данных. Будут рассмотрены логические модели распознавания (классификации с учителем) и анализа разнотипных многомерных данных, методы оптимизации моделей распознавания, алгоритмы поиска скрытых логических закономерностей и связей по признаковым описаниям, методы создания качественных моделей объектов, ситуаций, явлений или процессов. Будут рассмотрены практические численные методы решения данных задач, и их применения в медицине, бизнесе, химии, технике и других областях. Приглашаются студенты, магистры и аспиранты.
  • 1 сентября 2015 года: Начинается чтение спецкурса Непрерывные морфологические модели и алгоритмы, лектор Л.М. Местецкий. В курсе рассматриваются основы непрерывного подхода к анализу формы объектов в дискретных изображениях. Сюда входит аппроксимация бинарных растровых изображений многоугольными фигурами, представление фигур циркулярными графами, вычисление скелетов, сравнение и преобразование формы на основе циркулярных графов. Будут рассмотрены приложения непрерывных моделей формы в распознавании изображений. Занятия проходят по вторникам в ауд. 508, начало в 18-00, 6 октября. Приглашаются студенты и аспиранты.
  • 4 сентября 2015 года: Вступительный экзамен в аспирантуру по математике состоится в среду, 9 сентября. Письменная часть экзамена начнётся в 8-45 в ауд. П-9, устная часть начнётся в 14-35 в ауд. 607.
  • 31 августа 2015 года: В среду, 2 сентября, состоится встреча студентов 517-й группы с преподавателями кафедры. Начало в 12-50, ауд. 713.
  • 27 августа 2015 года: Добавлено расписание занятий в осеннем семестре 2015/2016 уч.г.
  • 25 августа 2015 года: Общее собрание сотрудников факультета состоится 31 августа в ауд. П-13, начало в 12-30.
  • 16 июля 2015 года: Завершён набор на магистерскую программу кафедры ММП.
  • 13 июня 2015 года: Начался отбор на Спецкурс «Прикладные задачи анализа данных», который будет читаться в осеннем семестре. Все подробности на странице курса.
  • 9 июня 2015 года: Стартует конкурс по распознаванию отклика на маркетинговое предложение. Премия победителю конкурса — 100 000 руб.
  • 26 мая 2015 года:: В среду 3 июня в ауд. 526Б в 13-00 состоится аттестация аспирантов. Для прохождения аттестации необходимо иметь при себе заполненный индивидуальный план.
  • 26 мая 2015 года:: В среду 3 июня в ауд. 526Б в 13-00 состоится аспирантский экзамен кандидатского минимума и экзамен по дополнительной программе. При себе необходимо иметь список вопросов к экзамену.
  • 12 мая 2015 года: Определены студенты второго курса, распределённые на кафедру ММП.
  • 5 мая 2015 года: Добавлено расписание экзаменов в весеннюю сессию.
  • 21 апреля 2015 года: Поздравляем студента 517 группы Дмитрия Ульянова с третьим местом в соревновании на платформе Kaggle!
  • 17 апреля 2015 года: 6 мая (среда) 2015 г. ауд. 524 и ауд. 582 в 13:00 состоится предзащита дипломных работ студентов 517 группы

кафедры Математических Методов Прогнозирования. Обязательные требования к предзащите дипломных работ:

    1. Готовые эскизы слайдов;
    2. Текст дипломной работы, согласованный с научным руководителем;
    3. Для выступления с докладом отводится 5 мин.

Присутствие научных руководителей желательно.

  • Требования к защите дипломных работ:
    1. Два экземпляра дипломной работы.
    2. Два экземпляра отзыва на дипломную работу с подписью научного руководителя.
    3. Два экземпляра рецензии на дипломную работу с подписью рецензента

(подпись рецензента должна быть заверена печатью организации, сотрудником которой он является). Присутствие научных руководителей желательно.

  • 17 апреля 2015 года: 28 апреля (вторник) 2015 г. ауд. П8 и ауд. П8-а в 13:00 состоится предзащита выпускных квалификационных работ студентов 417 группы

кафедры Математических Методов Прогнозирования. Обязательные требования к предзащите ВКР:

    1. Готовые эскизы слайдов;
    2. Текст выпускной квалификационной работы, согласованный с научным руководителем;
    3. Для выступления с докладом отводится 5 мин.

Присутствие научных руководителей желательно.

  • Требования к защите ВКР:
    1. Два экземпляра выпускной квалификационной работы.
    2. Два экземпляра отзыва на ВКР с подписью научного руководителя.
    3. Два экземпляра рецензии на ВКР с подписью рецензента.

(подпись рецензента должна быть заверена печатью организации, сотрудником которой он является). Присутствие научных руководителей желательно.

  • 3 апреля 2015 года: Стартует конкурс на разработку программного решения, позволяющего по фотографиям определять, какие товары представлены на полках супермаркетов. Премия победителю конкурса — 300 000 руб.
  • 1 апреля 2015 года: Приглашаем студентов 2-го курса на встречу с преподавателями кафедры математических методов прогнозирования в четверг, 9 апреля, в ауд. П-8, начало в 16-20.
  • 31 марта 2015 года: Сейчас проходит олимпиада 3К для студентов вузов. Призовой фонд: 3 000 000 рублей, а также контракты с работодателями и ценные призы. Олимпиада поддерживается онлайн-курсами.
  • 18 февраля 2015 года: с 29 июля по 5 августа 2015 года в Санкт-Петербурге пройдет летняя школа Майкрософт "Машинное обучение и интеллект". Школа спонсируется исследовательским подразделением компании Microsoft — Microsoft Research совместно с компанией Яндекс и организуется при участии МГУ. Школа дает студентам старших курсов, аспирантам и молодым исследователям уникальную возможность познакомиться с последними достижениями в области машинного обучения и наук о данных от ведущих ученых. Срок подачи заявок — 31 марта 2015.
  • 4 февраля 2015 года: заседание кафедры ММП состоится в среду, 11 февраля, в ауд. 615, начало в 13-00.
  • 29 января 2015 года: Добавлено расписание весеннего семестра 2014/2015 уч.г.
  • 21 января 2015 года: кафедра ММП поздравляет профессора кафедры Дьяконова Александра Геннадьевича с присуждением премии имени И.И. Шувалова (I степени) Московского университета.
  • 21 апреля 2015 г.: Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы», рук.: С.И. Гуров, А.И. Майсурадзе проходит по вторникам, начало в 18-05, ауд. 704. 28 апреля (вторник) Д. А. Подоприхин с докладом «Распознавание паттернов в сигналах головного мозга». Приглашаются все желающие.
  • 17 апреля 2015 г.: Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы», рук.: С.И. Гуров, А.И. Майсурадзе проходит по вторникам, начало в 18-05, ауд. 704. 21 апреля (вторник) А. А. Горелов с докладом «Анализ задержек сообщений в коммуникационной сети вычислительного кластера». Приглашаются все желающие.
  • 08 апреля 2015 г.: Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы», рук.: С.И. Гуров, А.И. Майсурадзе проходит по вторникам, начало в 18-05, ауд. 704. 14 апреля (вторник) Э. А. Зиннурова с докладом «Управление динамическим объектом при помощи нейрокомпьютерного интерфейса». Приглашаются все желающие.
  • 01 апреля 2015 г.: Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы», рук.: С.И. Гуров, А.И. Майсурадзе проходит по вторникам, начало в 18-05, ауд. 704. 7 апреля (вторник) Е. А. Колмаков с докладом «Модели машинного обучения через соответствия Галуа и решётки понятий». Приглашаются все желающие.
  • 23 марта 2015 г.: Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы», рук.: С.И. Гуров, А.И. Майсурадзе проходит по вторникам, начало в 18-05, ауд. 704. 24 марта (вторник) В. Д. Козлов с докладом «Применение скрытых марковских моделей в задаче оффлайн-распознавания рукописного текста». Приглашаются все желающие.
  • 10 марта 2015 г.: Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы», рук.: С.И. Гуров, А.И. Майсурадзе проходит по вторникам, начало в 18-05, ауд. 704. 10 марта (вторник) Б. А. Копин с докладом «Распознавание упорядоченных наборов объектов». Приглашаются все желающие.
  • 23 февраля 2015 г.: Мини-курс для второкурсников ВМК "Шаманство в анализе данных", лектор Дьяконов Александр, первая лекция состоится 2 марта (понедельник) в 16:20 ауд.504.
  • 16 февраля 2015 г.: Спецкурс "Метрические методы интеллектуального анализа данных", лектор А.И. Майсурадзе проходит по четвергам, начало в 16-20, ауд. 507. Первое занятие состоится 19 февраля (четверг). Приглашаются студенты 2-5 курсов, аспиранты.
  • 16 февраля 2015 г.: Спецсеминар "Новые методы в распознавании и анализе данных" (New Methods of Pattern Recognition and Data Mining), рук.: С.И. Гуров, А.И. Майсурадзе проходит по вторникам, начало в 18-00, ауд. 704. Первый семинар состоится 24 февраля (вторник). Приглашаются все желающие.
  • 13 февраля 2015 г.: Спецкурс «Вероятностное тематическое моделирование» лектор: К.В. Воронцов, проходит по пятницам, начало в 18-00, ауд. 682. Первое занятие состоится 20 февраля (пятница).
  • 11 февраля 2015 года: Спецкурс "Компьютерные методы обработки сигналов", лектор О.В. Красоткина, проходит по четвергам в ауд. 607, начало в 16-20. Приглашаются студенты 2-4 курсов. Первое занятие состоится 19 февраля (четверг).
  • 06 февраля 2015 года: Спецкурс "Задачи и алгоритмы вычислительной геометрии", лектор Л.М. Местецкий, проходит по вторникам в ауд. 696, начало в 16-20. Приглашаются студенты 2-4 курсов. Первое занятие состоится 17 февраля (вторник).
  • 05 февраля 2015 года: Спецкурс "Нестатистический анализ данных", лектор В.В.Рязанов, проходит по вторникам, начало в 18-00, в ауд. 510.
    Первая лекция состоится 17 февраля (вторник). Приглашаются студенты 2-5 курсов и аспиранты.
  • 05 февраля 2015 года: Спецкурс «Логический анализ данных в распознавании», лектор Е.В.Дюкова, проходит по понедельникам в ауд. 645, начало в 16-20. Приглашаются студенты 2-5 курсов. По спецкурсу издано учебное пособие. Первое занятие состоится 16 февраля (понедельник).
  • 05 февраля 2015 года: Спецкурс "Методы машинного обучении и поиск достоверных закономерностей в данных", лектор Сенько Олег Валентинович, проходит по понедельникам, начало в 16-20, ауд. 507. Первое занятие состоится 16 февраля (понедельник). Приглашаются студенты 2-5 курсов, аспиранты.
  • 05 февраля 2015 года: Спецкурс "Анализ информации", лектор Леонтьев Владимир Константинович, проходит по вторникам, начало в 16-20, ауд. 505. Первое занятие состоится 17 февраля (вторник).
    Приглашаются студенты 2-5 курсов, аспиранты.
  • 05 февраля 2015 года: Спецкурс "Математические модели в биологии", лектор Козлов Вадим Никитович, проходит по вторникам, начало в 16-20, ауд. 508. В курсе отражены основные подходы к математическому моделированию в биологии, представленные такими широко известными моделями, как классические нейронные сети Маккаллока-Питса, перцептроны, нейрокомпьютерные модели Хопфилда, модели на основе однородных структур (сотообразных структур,клеточных автоматов), модель дивергентной эволюции Ляпунова, графовые модели древа эволюции, и пр. Первое занятие состоится 17 февраля (вторник). Приглашаются студенты 2-4 курсов, все желающие.
  • 12 января 2015 года:: В среду 21 января в ауд. 579 в 13-00 состоится аттестация аспирантов 1-го года обучения. Для прохождения аттестации необходимо иметь при себе заполненный аттестационный лист.
  • 12 января 2015 года:: В среду 21 января в ауд. 579 в 13-00 состоится аспирантский экзамен кандидатского минимума и экзамен по дополнительной программе. При себе необходимо иметь список вопросов к экзамену.
  • 2 декабря 2014 года:: Добавлено расписание экзаменов в зимнюю сессию.
  • 27 августа 2014 года: Добавлено расписание занятий на осенний семестр 2014/2015 уч.года.
  • 27 августа 2014 года: Вступительный экзамен в аспирантуру по математике (устная часть) состоится в пятницу 5 сентября в ауд. 506, начало в 14-30.
  • 27 августа 2014 года: Заседание кафедры состоится в четверг 4 сентября в ауд. 682, начало в 14-30.
  • 11 августа 2014 года: Общее собрание сотрудников факультета ВМК состоится в пятницу 29 августа в ауд. П-14, начало в 11-00.
  • 24 сентября 2014г.: Спецкурс «Методы интеллектуального анализа данных, основанные на поиске оптимальных систем статистически достоверных закономерностей», лектор Сенько Олег Валентинович, проходит по средам, начало в 16-20, ауд. 607. Первое занятие состоится 01 октября (среда).
    Приглашаются студенты 2-5 курсов, аспиранты.
  • 7 сентября 2014 года: Начинается чтение спецкурса «Методы оптимизации в машинном обучении», лектор Кропотов Д.А. Занятия будут проходить по понедельникам в ауд. 508, начало в 18-10. Первое занятие состоится 15 сентября. Курс посвящен классическим и современным методам решения задач непрерывной оптимизации, а также особенностям их применения в задачах оптимизации, возникающих в машинном обучении. Основной акцент в изложении делается на практические аспекты реализации и использования методов. Спецкурс поддерживается практическими заданиями.
  • 01 сентября 2014г.: Спецкурс "Модели распознавания", лектор [Козлов Вадим Никитович], проходит по средам, начало в 16-20, ауд. 506. В курсе представлены как классические подходы к распознаванию образов (дискриминантный подход в детерминированной и вероятностной ипостасях, структурно-лингвистический, тестовый и алгебраический подходы), так и разработки последнего времени, включая те, которые делались в МГУ.

Курс является существенно расширенным и усложненным вариантом курса "Распознающие системы", прочитанного автором в интернете на сайтах образовательной организации "Универсариум". Первое занятие состоится 10 сентября (среда). Приглашаются студенты 2-4 курсов, все желающие.

  • 19 декабря 2014 года:: В среду 24 декабря состоится защита преддипломной практики у студентов 4-го и 5-го курсов, а также зачёт по дипломной работе у студентов 5-го курса. Для защиты практики студентам необходимо иметь при себе:
    • полностью заполненный дневник преддипломной практики;
    • текстовый отчёт о результатах практики (этот текстовый отчёт присылается в электронном виде учёному секретарю до защиты);

Для зачёта по диплому студентам необходимо иметь при себе текстовый отчёт о текущих результатах по дипломной работе и планируемых исследованиях в следующем семестре (этот текстовый отчёт в электронном виде присылается учёному секретарю до зачёта). Начало защиты для студентов 5-го курса: 13-00, ауд. 678. Начало защиты для студентов 4-го курса: 14-00, ауд. 678.

  • 9 сентября 2014 года: ВНИМАНИЕ! Встреча студентов 317-й группы с преподавателями кафедры, запланированная на 10 сентября, отменяется.
  • 27 мая 2014 года: 02 июня (понедельник) 2014г. ауд. 510 в 13:00 консультация по ПА для 317 группы (преп.: Дьяконов А.Г.).
  • 23 мая 2014 года: 05 июня (четверг) 2014г. ауд. 524 в 11:00 состоится предзащита аспиранта кафедры ММП Шаповалова Р.В.
  • 23 мая 2014 года: 05 июня (четверг) 2014г. ауд. 524 состоится канд. экзамен по математике, начало в 12-00, и аттестация аспирантов, начало в 13-00.
  • 5 мая 2014 года: 27 мая (вторник) 2014г. ауд. 526Б и ауд. 579 в 13:00 состоится предзащита дипломных работ студентов 517 группы кафедры Математических Методов Прогнозирования.

Обязательные требования к предзащите дипломных работ:

    1. Готовые эскизы слайдов;
    2. Текст дипломной работы, согласованный с научным руководителем;
    3. Для выступления с докладом отводится 6-7 мин.

Присутствие научных руководителей желательно.

  • Требования к защите дипломных работ:
    1. Два экземпляра дипломной работы.
    2. Два экземпляра отзыва на дипломную работу с подписью научного руководителя.
    3. Два экземпляра рецензии на дипломную работу с подписью рецензента

(подпись рецензента должна быть заверена печатью организации, сотрудником которой он является). Присутствие научных руководителей желательно.

  • 14 марта 2014г.: Приглашаем студентов 2-го курса на встречу с преподавателями кафедры МАТЕМАТИЧЕСКИХ МЕТОДОВ ПРОГНОЗИРОВАНИЯ 3 апреля (четверг) в 16:20, ауд. П-5 Приглашаются все желающие.
  • 30 января 2014 г.: Добавлено расписание занятий на весенний семестр. Занятия начинаются 7 февраля (пятница).
  • 13 мая 2014г.: Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы», рук.: С.И. Гуров, А.И. Майсурадзе проходит по понедельникам, начало в 18-05, ауд. 606. 19 мая (понедельник) Э.А. Зиннурова с докладом «Идентификация направления движения курсора с использованием BCI», Н.Л. Сендерович с докладом «Обзор методов иерархической кластеризации коллекций документов». Приглашаются все желающие.
  • 6 мая 2014г.: Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы», рук.: С.И. Гуров, А.И. Майсурадзе проходит по понедельникам, начало в 18-05, ауд. 606. 12 мая (понедельник) Д. Камышенков - руководитель направления, А. Дергачев - старший аналитик, tech-lead (проект NeuroG, http://www.neurog.com) с докладом «Математические проблемы построения экспертной системы для оценки перспективности венчурных стартапов и компаний в области регенеративной медицины / биотеха». Приглашаются все желающие.
  • 5 мая 2014г.: Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы», рук.: С.И. Гуров, А.И. Майсурадзе проходит по понедельникам, начало в 18-05, ауд. 606. 5 мая (понедельник) А.А. Боков с докладом «Автоматическая оценка качества 2D-3D конвертации и построение карт распределения внимания в видео» . Приглашаются все желающие.
  • 25 апреля 2014г.: Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы», рук.: С.И. Гуров, А.И. Майсурадзе проходит по понедельникам, начало в 18-05, ауд. 606. 28 апреля (понедельник) М.В. Борисов с докладом «Восстановление связей в гетерогенных и гомогенных сетях» . Приглашаются все желающие.
  • 25 марта 2014г.: Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы», рук.: С.И. Гуров, А.И. Майсурадзе проходит по понедельникам, начало в 18-05, ауд. 606. 31 марта (понедельник) М.И. Сабурова с докладом «Информационные модели для выделения лексических ядер», А. А. Горелов с докладом «Нормализация и агрегирование теста с использованием межсловных связей» . Приглашаются все желающие.
  • 17 марта 2014г.: Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы», рук.: С.И. Гуров, А.И. Майсурадзе проходит по понедельникам, начало в 18-05, ауд. 606. 24 марта (понедельник) О.В. Тишина с докладом «Гипотеза компактности и анализ формальных понятий». Приглашаются все желающие.
  • 12 марта 2014г.: Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы», рук.: С.И. Гуров, А.И. Майсурадзе проходит по понедельникам, начало в 18-05, ауд. 606. 17 марта (понедельник) Д.А. Подоприхин с докладом «Реализация игры «Лабиринт» методами BCI». Приглашаются все желающие.
  • 25 февраля 2014г.: Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы», рук.: С.И. Гуров, А.И. Майсурадзе проходит по понедельникам, начало в 18-05, ауд. 606. 3 марта (понедельник) М.И. Сабурова с докладом «Информационные модели для выделения лексических ядер». Приглашаются все желающие.
  • 20 февраля 2014г.: ПРИГЛАШЕНИЕ В ПРОЕКТ РОССИЙСКОГО НАУЧНОГО ФОНДА Аспиранты и студенты, интересующиеся математическим анализом изображений, приглашаются участвовать в научно-исследовательском проекте Российского научного фонда. Работа будет оплачиваться. Количество вакансий ограниченно. Заинтересованные в участии аспиранты и студенты могут обратиться до 25.02.2014 к Гуревичу Игорю Борисовичу (доцент кафедры ММП, зав. отделом Вычислительного центра РАН;тел.: 8-499-135-9033; 8-499-241-5200; e-mail – igourevi@ccas.ru).
  • 18 февраля 2014г.: Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы», рук.: С.И. Гуров, А.И. Майсурадзе проходит по понедельникам, начало в 18-05, ауд. 606. 24 февраля (понедельник) Е.И. Прохоров с докладом «Адаптивная двухфазная схема решения задачи «структура – свойство»». Приглашаются все желающие.
  • 12 февраля 2014г.: Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы», рук.: С.И. Гуров, А.И. Майсурадзе проходит по понедельникам, начало в 18-05, ауд. 606. 17 февраля (понедельник) А.И. Майсурадзе с докладом «Картирование областей знаний в наукометрии: визуализация жестких плоских трехуровневых моделей». Приглашаются все желающие.
  • 12 февраля 2014г.: Спецкурс "Методы поиска эмпирических закономерностей в многомерных данных", лектор Сенько Олег Валентинович, проходит по четвергам, начало в 16-20, ауд. 607. Первое занятие состоится 20 февраля (четверг). Приглашаются студенты 2-5 курсов, аспиранты.

11 февраля (вторник). Приглашаются студенты 2-5 курса, аспиранты.

  • 09 января 2014г.: 16 января 2014г. (четверг) для 3-го потока 3 курса состоится консультация по курсу «Прикладная алгебра», лектор: С.И. Гуров, начало в 16-00, ауд. П-8а. Приглашаются студенты 3-го потока, 3-го курса.
  • 16 декабря 2013 г.: Добавлено расписание экзаменов в зимнюю сессию.
  • 16 декабря 2012 г.: Отчёт по производственной практике и дипломной работе студентов 517 группы состоится 25 декабря (среда) в ауд. 526Б, начало в 12-00. От студентов требуется короткий доклад по практике и ходу работы над дипломом, а также все верно заполненные документы (дневник практики и два письменных отчёта: по практике и дипломной работе). Требования к отчету по дипломной работе определяет научный руководитель.
  • 10 декабря 2013 г.: Приглашаем студентов 2-го курса на встречу с группой Байесовских методов (рук. Ветров Д.П.). Встреча состоится в ближайший понедельник 16 декабря в ауд. 526Б, начало в 16-20.
  • 10 декабря 2013 г.: Предзащита кандидатской диссертации Домахиной Людмилы состоится в среду 18 декабря 2013 года в ауд. 526Б, начало в 12-00. Научный руководитель Местецкий Л.М. Приглашаются все желающие.
  • 10 декабря 2013 г.: Предзащита кандидатской диссертации Осокина Антона состоится в среду 18 декабря 2013 года в ауд. 526Б, начало в 12-00. Научный руководитель рук. Ветров Д.П. Приглашаются все желающие.
  • 2 сентября 2013 г.: Добавлено расписание занятий на текущий семестр.
  • 15 мая 2013 г.: 5 июня (среда) в ауд. 510 в 12:00 состоится кандидатский экзамен и аттестация аспирантов.
  • 13 мая 2013 г.: Добавлено расписание экзаменов в весеннюю сессию 2013 года.
  • 7 мая 2013 года: 28 мая (вторник) 2013г. ауд. 609 в 13:00 состоится предзащита дипломных работ студентов 517 группы кафедры Математических Методов Прогнозирования.

Обязательные требования к предзащите дипломных работ:

    1. Готовые эскизы слайдов;
    2. Текст дипломной работы, согласованный с научным руководителем;
    3. Для выступления с докладом отводится 6 мин.

Присутствие научных руководителей желательно. Требования к защите дипломных работ:

    1. Два экземпляра дипломной работы.
    2. Два экземпляра отзыва на дипломную работу с подписью научного руководителя.
    3. Два экземпляра рецензии на дипломную работу с подписью рецензента

(подпись рецензента должна быть заверена печатью организации, сотрудником которой он является). Присутствие научных руководителей желательно.

  • 14 мая 2013г.: Студенческая исследовательская Лаборатория Intel в МГУ совместно с каф. Математических методов прогнозирования (ВМК) и каф. Математической статистики и случайных процессов (Мехмат), под рукодством: С.И. Гуров, проводят совместный учебно-исследовательский семинар, начало в 18:15, ауд. 505. 17 мая (пятница) Н.Н. Кузюрин зав. отделом Теоретической информатики ИСП РАН с докладом «Алгоритмические аспекты некоторых задач двумерной упаковки». Приглашаются все желающие.
  • 30 апреля 2013г.: Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы», рук.: С.И. Гуров, А.И. Майсурадзе проходит по понедельникам, начало в 18-05, ауд. 606. 13 мая (понедельник) М.И. Сабурова с докладом «Выделение объектов и связей между ними из неструктурированной информации». Приглашаются все желающие.
  • 23 апреля 2013г.: Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы», рук.: С.И. Гуров, А.И. Майсурадзе проходит по понедельникам, начало в 18-05, ауд. 606. 29 апреля (понедельник) Е.А. Марченко с докладом «Нейроинтерфейс на основе визуальных стимулов». Приглашаются все желающие.
  • 16 апреля 2013г.: Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы», рук.: С.И. Гуров, А.И. Майсурадзе проходит по понедельникам, начало в 18-05, ауд. 606. 22 апреля (понедельник) Я.А. Александров с докладом «Оптимизация размещения инфраструктуры нефтяного месторождения». Приглашаются все желающие.
  • 3 апреля 2013г.: Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы», рук.: С.И. Гуров, А.И. Майсурадзе проходит по понедельникам, начало в 18-05, ауд. 606. 8 апреля (понедельник) О.В. Прокашева с докладом «Алгоритмы классификации на основе Анализа Формальных Понятий». Приглашаются все желающие.
  • 27 марта 2013г.: Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы», рук.: С.И. Гуров, А.И. Майсурадзе проходит по понедельникам, начало в 18-05, ауд. 606. 1 апреля (понедельник) Д.А. Подоприхин, Э.А. Зиннурова с докладом «Выделение признаков для 1D движения курсора с использованием BCI». Приглашаются все желающие.
  • 21 марта 2013г.: Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы», рук.: С.И. Гуров, А.И. Майсурадзе проходит по понедельникам, начало в 18-05, ауд. П-13. 25 марта (понедельник) П.О. Федичев (научный директор Квантум Фармасьютикалс, зав. Лаборатории моделирования живых систем МФТИ) с докладом «Математические основы генетики старения или можно ли излечиться от старости?». Приглашаются все желающие.
  • 13 марта 2013г.: Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы», рук.: С.И. Гуров, А.И. Майсурадзе проходит по понедельникам, начало в 18-05, ауд. 606. 18 марта (понедельник) М.А. Суворов с докладом «Методы агрегирования метрических описаний на основе оптимальной матричной факторизации». Приглашаются все желающие.
  • 6 марта 2013г.: Студенческая исследовательская Лаборатория Intel в МГУ, совместный учебно-исследовательский семинар «Математические проблемы криптографии», рук.: С.И. Гуров, А.И. Майсурадзе проходит по понедельникам, начало в 18-05, ауд. 606. 11 марта (понедельник) А.Е. Жуков (председатель совета директоров Ассоциации «РусКрипто») с докладом «Математические проблемы криптографии». Приглашаются все желающие.
  • 26 февраля 2013г.: Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы», рук.: С.И. Гуров, А.И. Майсурадзе проходит по понедельникам, начало в 18-05, ауд. 606. 4 марта (понедельник) С.И. Гуров с докладом «Случайные частично упорядоченные множества». Приглашаются все желающие.
  • 26 февраля 2013г.: Начинает работу семинар «Рекомендательные системы», руководитель Д.П. Ветров. Занятия будут проходить по понедельникам в ауд. 524, начало в 18-00. Первое занятие пройдет 25 февраля (понедельник). Приглашаются студенты 2-5 курсов.
  • 20 февраля 2013г.: Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы», рук.: С.И. Гуров, А.И. Майсурадзе проходит по понедельникам, начало в 18-05, ауд. 606. 25 февраля (понедельник) А.И. Майсурадзе с докладом «Символьные данные в распознавании образов». Приглашаются все желающие.
  • 19 февраля 2013г.: Начинается чтение спецкурса Вычислительные задачи математической биологии, С.А. Махортых, А.Н. Панкратов лекции будут проходить по вторникам один раз в две недели по 4 академических часа в ауд. 607, начало в 16-20. Первое занятие состоится 26 февраля (вторник). Приглашаются студенты 2-5 курсов, аспиранты.
  • 18 февраля 2013г.: Спецкурс "Методы распознавания, прогнозировании и интеллектуального анализа данных, основанные на принятии коллективных решений по наборам закономерностей", лектор Сенько Олег Валентинович, проходит по вторникам, начало в 18-00, ауд. 609. Первое занятие состоится 26 февраля (вторник). Приглашаются студенты 2-5 курсов, аспиранты.
  • 31 марта 2013г.: Студентам 2-го курса: встреча с преподавателями кафедры ММП состоится 18 апреля (четверг) в ауд. П-5, начало в 16-20.
  • 15 февраля 2013г.: Студентам 1-го и 2-го курсов: начинает работу Просеминар кафедры, на котором сотрудники кафедры рассказывают о своей деятельности и основных научных направлениях, представленных на кафедре. Занятия проходят по вторникам в ауд. 510, начало в 16-20. Первое занятие состоится 19 февраля.
  • 5 февраля 2013г.: Добавлено расписание занятий на весенний семестр 2013 г.
  • 12 декабря 2012 г.: Отчёт по производственной практике и дипломной работе студентов 517 группы состоится 27 декабря (четверг) в ауд. 607, 609, начало в 14-00. От студентов требуется короткий доклад по практике и ходу работы над дипломом, а также все верно заполненные документы (дневник практики и два письменных отчёта: по практике и дипломной работе). Требования к отчету по дипломной работе определяет научный руководитель.
  • 10 декабря 2012 года: 12 декабря (среда) 2012г. ауд. 685 в 14:00 состоится предзащита кандидатской диссертации Хромова Дениса Валерьевича,

тема: «Модели и алгоритмы построения криволинейных скелетов пространственных форм», специальность 01.01.09 дискретная математика и математическая кибернетика,научный руководитель – д.т.н., профессор Местецкий Леонид Моисеевич. Приглашаются все сотрудники и аспиранты кафедры.

  • 10 сентября 2012г.: Выложены материалы для первого задания по практикуму для 317 группы (обновлено в 12.09.2012).
  • 28 августа 2012г.: Добавлено расписание основных занятий на осенний семестр 2012/2013 уч.г.
  • 25 апреля 2012г.: Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы», рук.: С.И. Гуров, А.И. Майсурадзе проходит по понедельникам, начало в 18-00, ауд. 507. 28 апреля (понедельник) М.А. Суворов с докладом «Методы агрегирования метрических описаний на основе оптимальной матричной факторизации». Приглашаются все желающие.
  • 10 апреля 2012г.: Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы», рук.: С.И. Гуров, А.И. Майсурадзе проходит по понедельникам, начало в 18-00, ауд. 507. 16 апреля (понедельник) М.И. Сабурова с докладом «Сетевые методы обработки текстов: выделение понятий разного типа, анализ связей между ними». Приглашаются все желающие.
  • 03 апреля 2012г.: Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы», рук.: С.И. Гуров, А.И. Майсурадзе проходит по понедельникам, начало в 18-00, ауд. 507. 9 апреля (понедельник) Я.А. Александров с докладом «Ранжирование взаимосвязанных инвестиционных единиц на примере обустройства блока нефтяного месторождения». Приглашаются все желающие.
  • 15 июня 2012 года: 19 июня (вторник) 2012г. ауд. П-13 в 14:30 ОБЩЕЕ СОБРАНИЕ ЭКЗАМЕНАЦИОННОЙ КОМИССИИ ФАКУЛЬТЕТА ВМК.

На собрании будет обсуждаться работа на экзамене по математике (17-21 июля) Списки сотрудников, включенных в экзаменационную комиссию в 2012 году, имеются у заведующих лабораториями и ученых секретарей кафедр. В комиссию входят все аспиранты факультета 1-го и 2-гогодов обучения. ПРИСУТСТВИЕ ВСЕХ СОТРУДНИКОВ ЭКЗАМЕНАЦИОННОЙ КОМИССИИ ОБЯЗАТЕЛЬНО!

  • 23 мая 2012 года: Составлен рейтинг студентов 317 группы по трём кафедральным предметам (ПА, АМА, Прак). Поздравляем Потапенко Анну, Кондрашкина Дмитрия и Огневу Дарью, которые стали лучшими (по этому рейтингу).
  • 10 мая 2012 года: 25 мая (пятница) 2012г. ауд. 510 в 10:00 состоится предзащита дипломных работ студентов 517 группы кафедры Математических Методов Прогнозирования. Требования к защите дипломных работ:
    1. Два экземпляра дипломной работы.
    2. Два экземпляра отзыва на дипломную работу с подписью научного руководителя.
    3. Два экземпляра рецензии на дипломную работу с подписью рецензента

(подпись рецензента должна быть заверена печатью организации, сотрудником которой он является). Присутствие научных руководителей КРАЙНЕ ЖЕЛАТЕЛЬНО.

  • 10 мая 2012 года: Для аспирантов:25 мая (пятница) 2012г. ауд. 510 в 13:30 (сбор около каб. Журавлева Ю.И. 680), состоится аттестация аспирантов в ауд. 510.
  • 3 мая 2012г.: Выложен список студентов 2 курса, отобранных на кафедру.
  • 24 апреля 2012г.: Собеседование со студентами 2-го курса, желающими распределиться на кафедру, пройдет 3 мая (четверг) в ауд. 637, начало в 14-00.
  • 15 февраля 2012г.: Кафедра поздравляет студентов 417 группы Кириллова Александра и Фигурнова Михаила, занявших второе место на конкурсе Интернет-математика «Relevance Prediction Challenge» (лучший результат среди российских участников).
  • 14 мая 2012г.: Совместный Просеминар кафедры и учебно-исследовательский семинар

«Интеллектуальный анализ данных: новые задачи и методы», рук.: С.И. Гуров, проходит по понедельникам, начало в 16:20, ауд. 526-Б 21 мая (понедельник) А.А. Жаворонков, к.ф.-м.н., зав. лаб. биоинформатики и мед. информационных технологий (ФНКЦ ДГОИ), Фонд Биогеронтологических Исследований (Англия). International Aging Research Portfolio (agingportfolio.org) с докладом «РАСПОЗНАВАНИЕ ПАТТЕРНОВ: ОТ БИОМЕДИЦИНЫ К ЭКОНОМИКЕ» ПРИГЛАШАЮТСЯ СТУДЕНТЫ ВСЕХ КУРСОВ и все интересующиеся данной тематикой.

  • 29 марта 2012г.: Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы», рук.: С.И. Гуров, А.И. Майсурадзе проходит по понедельникам, начало в 18-00, ауд. 507. 2 апреля (понедельник) Д.Г. Колев с докладом «Обнаружение и анализ отказов оборудования в гражданской авиации методами машинного обучения». Приглашаются все желающие.
  • 20 марта 2012г.: Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы», рук.: С.И. Гуров, А.И. Майсурадзе проходит по понедельникам, начало в 18-00, ауд. 507. 26 марта (понедельник) Е.А. Марченко с докладом «Задачи анализа деятельности мозга». Приглашаются все желающие.
  • 14 марта 2012г.: Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы», рук.: С.И. Гуров, А.И. Майсурадзе проходит по понедельникам, начало в 18-00, ауд. 507. 19 марта (понедельник) М. Борисов с докладом «Обзор задач анализа пространственных данных». Приглашаются все желающие.
  • 12 марта 2012 г.: Просеминар «Кластерный анализ и его новые возможности», лектор: В.В. Рязанов, состоится 19 марта (понедельник), начало в 16-20, ауд. 526-б. Приглашаются студенты 2 курса, все желающие.
  • 07 марта 2012г.: Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы», рук.: С.И. Гуров, А.И. Майсурадзе проходит по понедельникам, начало в 18-00, ауд. 507. 12 марта (понедельник) Н.А. Найдёнов с докладом «Автоматизация загрузки исходной неструктурированной информации с новостных ресурсов». Приглашаются все желающие.
  • 29 февраля 2012г.: Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы», рук.: С.И. Гуров, А.И. Майсурадзе проходит по понедельникам, начало в 18-00, ауд. 507. 5 марта (понедельник) О.В. Прокашева с докладом «Реляционный подход к распознаванию: идеи и методы». Приглашаются все желающие.
  • 21 февраля 2012 г.: Спецсеминар «Проблемы обобщающей способности алгоритмов классификации, регрессии и прогнозирования», руководитель К.В. Воронцов, проходит по понедельникам, начало в 16-20, ауд. 615. На семинарах обсуждаются дипломные и курсовые работы студентов, теоретические и практические вопросы машинного обучения и анализа данных. Планируются приглашённые доклады.
  • 21 февраля 2012г.: Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы», рук.: С.И. Гуров, А.И. Майсурадзе проходит по понедельникам, начало в 18-00, ауд. 507. 27 февраля (понедельник) О.В. Прокашева с докладом «Реляционный подход к распознаванию: метод Бенерджи». Приглашаются все желающие.
  • 13 февраля 2012г.: В рамках спецсеминара «Байесовские методы машинного обучения», рук. Д.П. Ветров выступит сотрудник Вятского Государственного Университета Владимир Николаевич Никулин с докладом «Факторные разложения матриц при помощи метода градиентного спуска в приложении к задачам классификации». Доклад состоится 15 февраля в среду в ауд. 526Б, начало в 18-45. Приглашаются все желающие.
  • 10 февраля 2012г.: Учебно-научный семинар «Интеллектуальный анализ данных: новые задачи и методы», рук. С.И. Гуров, А.И. Майсурадзе. Понедельник 13 февраля ауд. 507, начало в 18-00. Владимир Николаевич Никулин (докторант, кафедра математических методов в экономике, Вятский Государственный Университет) Тема: «О проблеме большой размерности и малого числа наблюдений при использовании нескольких различных микрочипов».
  • 8 февраля 2012г.: Начинает работу учебно-научный семинар «Интеллектуальный анализ данных: новые задачи и методы», рук. С.И. Гуров, А.И. Майсурадзе. Заседания будут проходить по понедельникам в ауд. 507, начало в 18-00. Первое заседание состоится 20 февраля. Тема: А.Н.Сальников, А.И.Майсурадзе, Д.Ю.Андреев, Г.А.Костин. Кластеризация результатов тестирования коммуникационной среды многопроцессорных систем: единицы анализа, исследование методов, визуализация результатов.
  • 5 февраля 2012г.: Возобновляет работу спецсеминар «Байесовские методы машинного обучения», рук. Д.П. Ветров. Спецсеминар проходит по средам в ауд. 526Б, начало в 18-30. Первое заседание состоится 8 февраля. Приглашаются также студенты 2-го курса, желающие распределиться на данный спецсеминар на старших курсах.
  • 3 февраля 2012г.: Опубликовано расписание на весенний семестр 2011/2012 уч.г. Занятия начинаются 7 февраля.
  • 9 декабря 2011 г.: Предзащита кандидатской диссертации Сотнезова Романа Михайловича состоится в четверг 15 декабря 2011 года в ауд. 612, начало в 12-15. Автореферат (PDF, 432Кб). Научный руководитель Дюкова Е.В. Приглашаются все желающие.
  • 20 октября 2011 г.: Предзащита кандидатской диссертации Бакиной Ирины Геннадьевны состоится в среду 26 октября 2011 года в ауд. П-8а, начало в 14-00. Научный руководитель Местецкий Л.М. Приглашаются все желающие.
  • 26 апреля 2011 г.: 11 мая 2011 г. (среда) в 12:05 в ауд. 615 пройдет предзащита выпускницы аспирантуры кафедры ММП:
Дышкант Натальи Фёдоровны «Эффективные алгоритмы сравнения поверхностей, заданных облаками точек»,
научный руководитель д.т.н., профессор Местецкий Леонид Моисеевич.
  • 5 октября 2010 г.: 12 октября 2010 г. (вторник) в 12:00 в ауд. 612 пройдет предзащита двух выпускников аспирантуры ММП:
Баринова Ольга Вячеславовна «Методы машинного обучения для построения трехмерных моделей антропогенных сцен»
http://graphics.cs.msu.ru/files/tmp/dissertation_OlgaBarinova_26.09.10.zip
Карпович Павел Алексеевич «K-сингулярные системы точек в алгебраическом подходе к распознаванию образов»
http://narod.ru/disk/25506437000/dissertaciya.pdf.html
http://narod.ru/disk/25506435000/avtoreferat.pdf.html
  • 25 апреля 2008 года: Создана страница кафедры ММП на вики-ресурсе MachineLearning.ru.
Личные инструменты