Математические методы прогнозирования (кафедра ВМиК МГУ)/Кафедральные курсы
Материал из MachineLearning.
(Различия между версиями)
| Строка 110: | Строка 110: | ||
{{Курс|Режим = {{{1}}}|Название = | {{Курс|Режим = {{{1}}}|Название = | ||
'''Алгоритмика''', [[Участник:Mest|Л.М. Местецкий]] | '''Алгоритмика''', [[Участник:Mest|Л.М. Местецкий]] | ||
| - | |||
| - | |||
| - | |||
| - | |||
|Описание = | |Описание = | ||
}} | }} | ||
| Строка 120: | Строка 116: | ||
|Описание = | |Описание = | ||
}}--> | }}--> | ||
| - | + | {{Курс|Режим = {{{1}}}|Название = | |
'''[[момо|Методы оптимизации в машинном обучении]]''', [[Участник:Kropotov|Д.А. Кропотов]] (лекции), А.О. Родоманов (семинары) | '''[[момо|Методы оптимизации в машинном обучении]]''', [[Участник:Kropotov|Д.А. Кропотов]] (лекции), А.О. Родоманов (семинары) | ||
|Описание = | |Описание = | ||
| - | }} | + | }} |
{{Курс|Режим = {{{1}}}|Название = | {{Курс|Режим = {{{1}}}|Название = | ||
'''[[Алгоритмы, модели, алгебры (курс лекций, Ю.И. Журавлев, А.Г. Дьяконов)|Прикладные задачи анализа данных]]''', [[Участник:Dj|А.Г. Дьяконов]] | '''[[Алгоритмы, модели, алгебры (курс лекций, Ю.И. Журавлев, А.Г. Дьяконов)|Прикладные задачи анализа данных]]''', [[Участник:Dj|А.Г. Дьяконов]] | ||
Версия 05:31, 3 сентября 2018
 |
|
|
| Тел. +7-495-939-4202 e-mail:  Ученый секретарь: Д.А. Кропотов Все контакты |
Содержание |
Третий курс
- Практикум на ЭВМ, Д.А. Кропотов, А. Попов
- 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), К. Струминский, Т. Гарипов (семинары)
Магистры, 1-й год обучения
- Алгоритмика, Л.М. Местецкий
- 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, М. Апишев
- Современные методы распознавания и синтеза речи, Воропаев А., Соловьев Д., Полыковский Д.
Магистры, 2-й год обучения
- Математические методы классификации, К.В. Рудаков
- Алгоритмика, Л.М. Местецкий
Архив курсов
- 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.
- Математические основы теории прогнозирования, О.В. Сенько
- Прикладные системы распознавания и прогнозирования, К.В. Рудаков и др.
- Математические методы прогнозирования, А.М. Шурыгин
