Математические методы прогнозирования (кафедра ВМиК МГУ)/Кафедральные курсы
Материал из MachineLearning.
(Различия между версиями)
м (→Магистры, 1-й год обучения) |
(→Четвёртый курс) |
||
| Строка 97: | Строка 97: | ||
}} | }} | ||
{{Курс|Режим = {{{1}}}|Название = | {{Курс|Режим = {{{1}}}|Название = | ||
| - | '''[[ | + | '''[[Прикладной статистический анализ данных (курс лекций, 2017)|Прикладной статистический анализ данных]]''', [[Участник:Riabenko|Е.А. Рябенко]], П. Швечиков, М. Хальман |
|Описание = | |Описание = | ||
Обзорный курс, охватывающий дисперсионный, корреляционный, регрессионный анализ, анализ временных рядов и прогнозирование, анализ выживаемости, анализ панельных данных, выборочный анализ. Цели курса — связать математическую статистику с практическими приложениями в различных предметных областях, научить студентов правильно применять методы прикладной статистики. | Обзорный курс, охватывающий дисперсионный, корреляционный, регрессионный анализ, анализ временных рядов и прогнозирование, анализ выживаемости, анализ панельных данных, выборочный анализ. Цели курса — связать математическую статистику с практическими приложениями в различных предметных областях, научить студентов правильно применять методы прикладной статистики. | ||
}} | }} | ||
}} | }} | ||
| + | |||
=== Магистры, 1-й год обучения === | === Магистры, 1-й год обучения === | ||
<!-- ЗДЕСЬ ПЕРЕЧИСЛЯЮТСЯ ГОДОВЫЕ КУРСЫ ДЛЯ МАГИСТРОВ 1-ГО ГОДА --> | <!-- ЗДЕСЬ ПЕРЕЧИСЛЯЮТСЯ ГОДОВЫЕ КУРСЫ ДЛЯ МАГИСТРОВ 1-ГО ГОДА --> | ||
Версия 12:50, 16 февраля 2017
 |
|
|
| Тел. +7-495-939-4202 e-mail:  Ученый секретарь: Д.А. Кропотов Все контакты |
Содержание |
Третий курс
- Математические методы распознавания образов: лекции (В.В. Китов), семинары (Е.А. Соколов)
- Изучаются методы классификации, регрессии, понижения размерности, кластеризации, как классические, так и новые, созданные за последние 10–15 лет. На материал данного курса опираются последующие кафедральные курсы.
- Прикладная алгебра (3-й поток), С.И. Гуров, Д.А. Кропотов
- Обзорный курс для студентов 3-го потока по основам прикладной алгебры (группы, кольца, поля, частично-упорядоченные множества) и ее приложениям в кодировании и комбинаторике.
- Прикладная алгебра (часть 1), А.Г. Дьяконов.
Четвёртый курс
- Байесовские методы в машинном обучении, Д.П. Ветров (лекции), Е. Лобачева, Д. Подоприхин (семинары)
- Прикладная алгебра (часть 2), С.И. Гуров
- Графические модели, Д.П. Ветров (лекции), Д.А. Кропотов, К. Струминский (семинары)
- Прикладной статистический анализ данных, Е.А. Рябенко, П. Швечиков, М. Хальман
- Обзорный курс, охватывающий дисперсионный, корреляционный, регрессионный анализ, анализ временных рядов и прогнозирование, анализ выживаемости, анализ панельных данных, выборочный анализ. Цели курса — связать математическую статистику с практическими приложениями в различных предметных областях, научить студентов правильно применять методы прикладной статистики.
Магистры, 1-й год обучения
- Методы оптимизации в машинном обучении, Д.А. Кропотов (лекции), А.О. Родоманов (семинары)
- Прикладные задачи анализа данных, А.Г. Дьяконов
- Математические методы анализа текстов, В.В. Китов, К.В. Воронцов, А. Потапенко, М. Апишев
Магистры, 2-й год обучения
- Математические методы классификации, К.В. Рудаков
- Алгоритмика, Л.М. Местецкий
