Математические методы прогнозирования (кафедра ВМиК МГУ)/Кафедральные курсы

Материал из MachineLearning.

Версия 16:31, 25 марта 2020 (править) Kropotov (Обсуждение | вклад) ← К предыдущему изменению		Версия 16:34, 25 марта 2020 (править) (отменить) Kropotov (Обсуждение | вклад) К следующему изменению →
Строка 96:		Строка 96:
	|Описание =		|Описание =
	}}		}}
-
	{{Курс|Режим = {{{1}}}|Название =		{{Курс|Режим = {{{1}}}|Название =
	'''Прикладной статистический анализ данных''', О.В. Сенько		'''Прикладной статистический анализ данных''', О.В. Сенько

---

Версия 16:34, 25 марта 2020

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

---

Содержание 1 Третий курс 2 Четвёртый курс 3 Магистры, 1-й год обучения 4 Магистры, 2-й год обучения 5 Архив курсов

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, по понедельникам в 12-50, ссылка на zoom.

• Обработка и распознавание изображений, Л.М. Местецкий

Четвёртый курс

• Практикум на ЭВМ, А.И. Майсурадзе

• Байесовские методы в машинном обучении, Д.П. Ветров (лекции), К. Струминский, А. Волохова (семинары)

• Прикладная алгебра (часть 2), С.И. Гуров

• Машинное обучение и анализ данных (3-й поток), А.Г. Дьяконов, по понедельникам в 16-20, ссылка на zoom.

• Прикладной статистический анализ данных, О.В. Сенько

• Нейробайесовские методы, Д.П. Ветров

Магистры, 1-й год обучения

• Глубинное обучение (на англ.яз.), Д.А. Кропотов

• Алгоритмика, Л.М. Местецкий

• Прикладные задачи анализа данных, А.Г. Дьяконов

• Методы оптимизации в машинном обучении, Д.А. Кропотов, по пятницам в 14-35, ссылка на zoom.

• Комбинаторные и логические методы анализа данных, С.И. Гуров

Магистры, 2-й год обучения

• Математические методы классификации, К.В. Рудаков

• Обучение с подкреплением, Д.А. Кропотов

• Математические методы анализа текстов, К.В. Воронцов

Архив курсов

• Графические модели, Ветров Д.П., Кропотов Д.А.
• Современные методы распознавания и синтеза речи, Полыковский Д., Бибик Д., Дуканов С., Воропаев А., Соловьев Д.
• Математические основы теории прогнозирования, О.В. Сенько
• Прикладные системы распознавания и прогнозирования, К.В. Рудаков и др.
• Математические методы прогнозирования, А.М. Шурыгин