Математические методы прогнозирования (кафедра ВМиК МГУ)/Старый дизайн
Материал из MachineLearning.
(Введение нового дизайна страницы кафедры) |
(Отмена правки № 19901 участника Kropotov (обсуждение)) |
||
Строка 1: | Строка 1: | ||
- | + | '''Заведующий кафедрой''' — лауреат Ленинской премии, академик РАН, д.ф.-м.н., профессор [[Журавлев, Юрий Иванович|Юрий Иванович Журавлёв]] | |
- | + | {{TOCright}} | |
- | + | ||
- | + | Кафедра была создана в 1997 году. Кафедра готовит специалистов по анализу данных, распознаванию и прогнозированию в технике, экономике, социологии, биологии и т. п. с использованием современных математических методов, программных и компьютерных систем. В процессе обучения студенты получают фундаментальное образование в таких областях математики, как современная алгебра, математическая логика, дискретная и комбинаторная математика, математическое моделирование, диагностика сложных систем, интеллектуальный анализ данных, машинное обучение, прогнозирование, прикладная статистика, математические модели искусственного интеллекта, распознавание образов, обработка и анализ изображений. В рамках специального практикума студенты получают навыки работы с современными базами данных и знаний, овладевают современными языками и методами программирования, приобретают опыт решения прикладных задач. Кафедра готовит научных работников, преподавателей колледжей и высшей школы, специалистов по разработке и применению математических методов для решения таких задач, как, например, прогнозирование месторождений полезных ископаемых, землетрясений, свойств химических соединений, техногенных и социальных катастроф и кризисов, развития экономических и политических ситуаций, и т. п. | |
- | | | + | |
+ | В 2001 году был создан филиал кафедры на базе Института математических проблем биологии РАН в г. Пущино, в котором студенты старших курсов участвуют в решении фундаментальных и прикладных проблем в области биоинформатики. | ||
+ | |||
+ | Производственную практику студенты проходят в научно-исследовательских институтах РАН, участвуя, в том числе, в работах по грантам [[РФФИ]], и компаниях, специализирующихся в анализе данных и машинном обучении (например, в компании [[Форексис]]). Многие студенты, имеющие склонность к научной деятельности, получают первые самостоятельные результаты уже к четвертому-пятому году обучения, публикуются в научных журналах и после получения диплома продолжают обучение в аспирантуре кафедры. | ||
+ | |||
+ | '''Координаты для связи:''' | ||
+ | {| | ||
+ | |Телефон: +7-495-939-4202 | ||
+ | |- | ||
+ | |e-mail: [[Изображение:MMP_email.jpg]] | ||
+ | |- | ||
+ | |Ученый секретарь кафедры: [[Участник:Dmitry Vetrov|Д.П. Ветров]] | ||
|} | |} | ||
- | + | == Доска объявлений == | |
- | + | === Новости === | |
- | + | {{Доска объявлений кафедры ММП ВМК МГУ|Новости = 1}} | |
- | + | ||
- | + | ||
- | + | ||
- | + | ||
- | + | ||
- | + | ||
- | + | ||
- | + | ||
- | + | ||
- | + | ||
- | + | ||
- | + | === Объявления о курсах === | |
- | + | {{Доска объявлений кафедры ММП ВМК МГУ|Курсы = 1}} | |
- | + | ||
- | {{Доска объявлений кафедры ММП ВМК МГУ| | + | == Расписание == |
- | + | [[Математические методы прогнозирования (кафедра ВМиК МГУ)/Расписание|Актуальное расписание занятий]] на осенний семестр 2011/2012 уч.г. | |
- | + | ||
- | + | == Кафедральные курсы == | |
- | + | ||
- | + | === Третий курс === | |
- | + | * '''[[Машинное обучение (курс лекций, К.В.Воронцов)|Математические методы распознавания образов]]''', [[Участник:Vokov|К.В.Воронцов]] | |
- | {{ | + | *: 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 (курс лекций, Ю.И. Журавлев, А.Г. Дьяконов)|Прикладная алгебра (часть 1)]]''', [[Участник:Dj|А.Г.Дьяконов]] |
- | <!---------- | + | |
- | + | * '''[[Алгоритмы, модели, алгебры]]''', [[Участник:Dj|А.Г.Дьяконов]] | |
+ | |||
+ | * '''[[Практикум на ЭВМ (317)]]''', [[Участник:Dj|А.Г.Дьяконов]] | ||
+ | |||
+ | === Четвёртый курс === | ||
+ | * '''[[Практикум ММП ВМК, 4й курс, осень 2008|Практикум]]''', [[Участник:AIM|А.И.Майсурадзе]] | ||
+ | |||
+ | * '''[[Математические методы классификации (курс лекций, К.В. Рудаков)|Математические методы классификации]]''', [[Рудаков, Константин Владимирович|К.В. Рудаков]] | ||
+ | |||
+ | * '''[[Прикладная алгебра (курс лекций, Ю.И. Журавлев, А.Г. Дьяконов)#ПРИКЛАДНАЯ АЛГЕБРА (часть 2)|Прикладная алгебра (часть 2)]]''', В.К. Леонтьев. | ||
+ | |||
+ | * '''[[Математические методы прогнозирования (курс лекций, А.М. Шурыгин)|Математические методы прогнозирования]]''', [[Участник:A.shurygin|А.М. Шурыгин]] | ||
+ | |||
+ | * '''[[Обработка и распознавание изображений (курс лекций, Л.М. Местецкий)|Обработка и распознавание изображений]]''', [[Участник:Mest|Л.М. Местецкий]] | ||
+ | |||
+ | * '''[[Прикладная алгебра (курс лекций, Ю.И. Журавлев, А.Г. Дьяконов)#ПРИКЛАДНАЯ АЛГЕБРА (часть 3)|Прикладная алгебра (часть 3)]]''', [[Участник:Sgur|С.И.Гуров]] | ||
+ | |||
+ | * '''[[МОТП|Математические основы теории прогнозирования]]''', [[Журавлев, Юрий Иванович|Ю.И. Журавлев]], [[Участник:Dmitry Vetrov|Д.П. Ветров]] | ||
+ | *: Обзорный курс для студентов 3-го потока ВМК МГУ по основным математическим методам решения задач машинного обучения. Задачей курса также является ознакомление с основными математическими теориями, которые используются при построении алгоритмов распознавания, такими как алгебра, математическая статистика, методы оптимизации, дискретная математика и др. | ||
+ | |||
+ | === Пятый курс === | ||
+ | * '''[[Прикладные системы распознавания и прогнозирования (курс лекций)|Прикладные системы распознавания и прогнозирования]]''', [[Рудаков, Константин Владимирович|К.В. Рудаков]] и др. | ||
+ | |||
+ | * '''[[Статистический анализ данных (курс лекций, К.В.Воронцов)|Прикладной статистический анализ данных]]''', [[Участник:Vokov|К.В.Воронцов]] | ||
+ | *: 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. | ||
+ | |||
+ | == Спецкурсы == | ||
+ | * '''[[Бммо|Байесовские методы машинного обучения]]''', [[Участник:Dmitry Vetrov|Д.П. Ветров]], [[Участник:Kropotov|Д.А. Кропотов]], проходит по средам в ауд. 510, начало в 16-20. | ||
+ | *: В спецкурсе рассматривается применение байесовских методов к нескольким классическим задачам машинного обучения, позволяющих, в частности, автоматически решать задачи выбора модели и получать решающие правила, обладающие желаемыми свойствами. Спецкурс поддерживается практическими заданиями. | ||
+ | |||
+ | * '''[[СМАИС|Структурные методы анализа изображений и сигналов]]''', [[Участник:Dmitry Vetrov|Д.П. Ветров]], [[Участник:Kropotov|Д.А. Кропотов]], читается в весеннем семестре. | ||
+ | *: В спецкурсе излагаются основы теории графических моделей и их применения для решения неклассических задач обучения и вывода при наличии структурной информации. Спецкурс опирается на применение байесовского аппарата теории вероятностей. В единых терминах излагается ряд методов анализа изображений и сигналов, а также общие подходы к построению эффективных приближенных методов байесовского вывода. Спецкурс поддерживается практическими заданиями. | ||
+ | |||
+ | * '''[[Теория надёжности обучения по прецедентам (курс лекций, К. В. Воронцов)|Теория надёжности обучения по прецедентам]]''', [[Участник:Vokov|К.В. Воронцов]]. | ||
+ | *: Спецкурс знакомит студентов с современным состоянием теории вычислительного обучения, исследующей проблему качества восстановления зависимостей по эмпирическим данным. Подробно рассматривается комбинаторная теория, позволяющая получать точные оценки вероятности переобучения. | ||
+ | |||
+ | * '''[[Исчисления высказываний классической логики (курс лекций, С.И. Гуров)|Исчисления высказываний классической логики]]''', [[Участник:Sgur|С.И. Гуров]], проходит по вторникам в ауд. 607, начало в 16-20, первое занятие состоится 4 октября. | ||
+ | *: В спецкурсе рассматриваются основные понятия пропозициональной логики. Даются методы характеризации формул алгебры логики, в частности, метод резолюций и метод семантических таблиц. Изучаются логические исчисления гильбертовского и генценовского типов и общие свойства формальных теорий. Рассматриваются свойства метатеории логических исчислений: корректность и непротиворечивость, семантическая полнота, полнота по Посту, разрешимость и независимость. Спецкурс поддерживается практическими занятиями. | ||
+ | |||
+ | * '''[[Булевы уравнения и проблема SAT]]''', [[Участник:Sgur|С.И. Гуров]], [[Участник:Dj|А.Г. Дьяконов]]. | ||
+ | |||
+ | * '''[[Извлечение информации из изображений (курс лекций, И.Б. Гуревич)|Извлечение информации из изображений]]''', И.Б. Гуревич. | ||
+ | *: В спецкурсе представлены постановки и методы решения математических и вычислительных задач, возникающих в связи с анализом и оцениванием информации, представляемой в виде изображений. | ||
+ | |||
+ | * '''[[Основы обобщенного спектрально-аналитического метода и его приложения (курс лекций, Ф.Ф. Дедус)|Основы обобщенного спектрально-аналитического метода и его приложения]]''', Ф.Ф. Дедус, А.Н. Панкратов, Р.К. Тетуев, проходит один раз в две недели по понедельникам в ауд. 507, начало в 14-35. | ||
+ | *: Обобщенный спектрально-аналитический метод (ОСАМ) является комбинированным численно-аналитическим методом, в котором сочетаются сильные стороны числовых расчетов и аналитических преобразований. Основными математическими объектами метода являются семейства аналитических ортогональных функций, зависящие от параметров и позволяющие проводить адаптивную аналитическую аппроксимацию произвольных функций. В курсе подробно изучаются системы классических ортогональных многочленов непрерывного аргумента (Чебышева, Лежандра, Якоби, Лагерра, Эрмита) и ортогональные многочлены дискретного аргумента (Чебышева, Хана, Майкснера, Кравчука и Шарлье). | ||
+ | |||
+ | * '''[[Логический анализ данных в распознавании (курс лекций, Е.В. Дюкова)|Логический анализ данных в распознавании]]''', [[Участник:Djukova|Е.В. Дюкова]]. | ||
+ | *: Излагаются общие принципы конструирования логических процедур распознавания. Изучаются вопросы эффективного применения комбинаторно-логических методов для синтеза распознающих процедур. Рассматриваются подходы к оценке вычислительной сложности алгоритмов и качества решения прикладных задач. | ||
+ | |||
+ | * '''[[Метрические методы интеллектуального анализа данных (курс лекций, А.И. Майсурадзе)|Метрические методы интеллектуального анализа данных]]''', А.И. Майсурадзе. | ||
+ | *: 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. | ||
+ | |||
+ | * '''[[Вычислительные задачи математической биологии (курс лекций, С.А. Махортых, А.Н. Панкратов)|Вычислительные задачи математической биологии]]''', С.А. Махортых, А.Н. Панкратов, проходит по понедельникам один раз в две недели по понедельникам в ауд. 507, начало в 14-35. | ||
+ | *: В спецкурсе рассматриваются дополнительные вопросы обобщенного спектрально-аналитического метода (ОСАМ) и его приложения к задачам распознавания в биоинформатике, связанным с аналитическим описанием и анализом, как текстовых последовательностей, так и пространственных структур биологических макромолекул. | ||
+ | |||
+ | * '''[[Нестатистические методы анализа данных и классификации (курс лекций, В.В.Рязанов)|Нестатистические методы анализа данных и классификации]]''', [[Участник:Rvv|В.В. Рязанов]], проходит по вторникам в ауд. 510, начало в 18-00. | ||
+ | *: 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 коллективных решений), новые подходы в регрессионном анализе, поиск зависимостей по прецедентам, практические применения в медицине, бизнесе и технике. | ||
+ | |||
+ | * '''[[Задачи распознавания в биоинформатике (ВМК МГУ, К. В. Рудаков, И. Ю.Торшин)|Задачи распознавания в биоинформатике]]''', [[Рудаков, Константин Владимирович|К.В. Рудаков]], [[Участник:Tiy|И.Ю. Торшин]]. | ||
+ | *: Данный курс рассчитан на будущих специалистов в области математики и информатики. На примере биоинформатики иллюстрируется, как математик мог бы вникать в специфику предметной области, чтобы суметь успешно приспособить известные ему методы для решения прикладных и исследовательских задач. | ||
+ | |||
+ | * '''[[Непрерывные морфологические модели и алгоритмы (курс лекций, Л.М. Местецкий)|Непрерывные морфологические модели и алгоритмы]]''', [[Участник:Mest|Л.М. Местецкий]]. | ||
+ | *: Рассматривается задача анализа формы плоских фигур и связанные с ней приложения в области распознавания изображений, компьютерной графики и геоинформатики. Исследуются вопросы аппроксимации бинарных растровых изображений многоугольными фигурами, представления фигур циркулярными графами, вычисления скелетов, сравнения и преобразования формы на основе циркулярных графов. | ||
+ | |||
+ | == Спецсеминары == | ||
+ | |||
+ | * '''[[Теория надёжности обучения по прецедентам (курс лекций, К. В. Воронцов)|Проблемы обобщающей способности алгоритмов классификации, регрессии и прогнозирования]]''', доц., к.ф.-м.н. [[Участник:Vokov|К.В.Воронцов]]. | ||
+ | |||
+ | * '''[[Спецсеминар "Байесовские методы машинного обучения"|Байесовские методы машинного обучения]]''', н.с., к.ф.-м.н. [[Участник:Dmitry Vetrov|Д.П.Ветров]], проходит по средам в ауд. 510, начало в 18-10. | ||
+ | |||
+ | * '''[[Анализ и оценивание информации представленной в виде изображений]]''', доц., к.ф.-м.н. И.Б.Гуревич. | ||
+ | |||
+ | * '''[[Спецсеминар "Новые методы в распознавании образов и прогнозировании"|Новые методы в распознавании образов и прогнозировании]]''', доц., к.ф.-м.н. С.И.Гуров. | ||
+ | |||
+ | * '''[[Спектральные методы в задачах математической биологии]]''', проф., д.т.н. Ф.Ф.Дедус. | ||
+ | |||
+ | * '''[[Алгебра над алгоритмами и эвристический поиск закономерностей]]''', доц., д.ф.-м.н [[Участник:Dj|А.Г.Дьяконов]]. | ||
+ | |||
+ | * '''[[Логические модели распознавания]]''', доц., д.ф.-м.н. [[Участник:Djukova|Е.В.Дюкова]]. | ||
+ | |||
+ | * '''[[Алгебрологические методы в задачах классификации и прогнозирования]]''', академик РАН, д.ф.-м.н., профессор [[Журавлев, Юрий Иванович|Ю.И.Журавлёв]]. | ||
+ | |||
+ | * '''[[Комбинаторные основы теории информации]]''', проф., д.ф.-м.н. В.К.Леонтьев. | ||
+ | |||
+ | * '''[[Анализ данных в метрических пространствах]]''', доц., к.ф.-м.н. [[Участник:AIM|А.И.Майсурадзе]], проходит по средам в ауд. 582, начало в 16:20. | ||
+ | |||
+ | * '''[[Вычислительные задачи математической биологии и биофизики]]''', доц., к.ф.-м.н. С.А.Махортых, доц., к.ф.-м.н. А.Н.Панкратов. | ||
+ | |||
+ | * '''[[Дискретно-непрерывные преобразования изображений в задачах распознавания]]''', проф., д.т.н. [[Участник:Mest|Л.М.Местецкий]]. | ||
+ | |||
+ | * '''[[Спецсеминар "Прикладные методы прогнозирования и анализа данных"|Прикладные методы прогнозирования и анализа данных]]''', доц., д.ф.-м.н. [[Участник:Rvv|В.В.Рязанов]]. | ||
+ | |||
+ | * '''[[Проблемно-ориентированные схемы распознавания]]''', чл.-корр. РАН, проф. [[Рудаков, Константин Владимирович|Рудаков Константин Владимирович]], доц., к.ф.-м.н. [[Участник:Yury Chekhovich|Ю.В.Чехович]]. | ||
+ | |||
+ | * '''[[Стохастические методы прогнозирования]]''', вед.н.с., [[Участник:A.shurygin|д.т.н. А.М.Шурыгин]]. | ||
+ | |||
+ | == [[Математические методы прогнозирования (кафедра ВМиК МГУ)/Персональный состав|Преподаватели]] == | ||
+ | |||
+ | * [[Участник:Dmitry Vetrov|Ветров Дмитрий Петрович]], к.ф.-м.н. — ученый секретарь | ||
+ | * [[Участник:Vokov|Воронцов Константин Вячеславович]], д.ф.-м.н. | ||
+ | * Гуревич Игорь Борисович, к.ф.-м.н. | ||
+ | * [[Участник:Sgur|Гуров Сергей Исаевич]], к.ф.-м.н. | ||
+ | * Дедус Флоренц Фёдорович, д.т.н., профессор | ||
+ | * [[Участник:Dj|Дьяконов Александр Геннадьевич]], д.ф.-м.н. | ||
+ | * [[Участник:Djukova|Дюкова Елена Всеволодовна]], д.ф.-м.н. | ||
+ | * [[Журавлев, Юрий Иванович|Журавлёв Юрий Иванович]], академик РАН — заведующий кафедрой | ||
+ | * [[Участник:Kropotov|Кропотов Дмитрий Александрович]], м.н.с. | ||
+ | * Леонтьев Владимир Константинович, д.ф.-м.н., профессор | ||
+ | * [[Участник:AIM|Майсурадзе Арчил Ивериевич]], к.ф.-м.н. | ||
+ | * Махортых Сергей Александрович, к.ф.-м.н. | ||
+ | * [[Участник:Mest|Местецкий Леонид Моисеевич]], д.т.н., профессор | ||
+ | * Панкратов Антон Николаевич, к.ф.-м.н. | ||
+ | * [[Рудаков, Константин Владимирович|Рудаков Константин Владимирович]], член-корреспондент РАН | ||
+ | * [[Участник:Rvv|Рязанов Владимир Васильевич]], д.ф.-м.н., академик РАЕН | ||
+ | * [[Участник:Сенько Олег|Сенько Олег Валентинович]], д.ф.-м.н. | ||
+ | * [[Участник:Yury Chekhovich|Чехович Юрий Викторович]], к.ф.-м.н. | ||
+ | * [[Участник:A.shurygin|Шурыгин Александр Михайлович]], д.т.н. | ||
+ | |||
+ | == Материалы == | ||
+ | === Рекомендации === | ||
+ | * [[Научно-исследовательская работа (рекомендации)|Научно-исследовательская работа]]. | ||
+ | * [[Написание отчётов и статей (рекомендации)|Написание статей, курсовых и дипломных работ]]. | ||
+ | * [[Подготовка презентаций (рекомендации)|Подготовка презентаций]]. | ||
+ | * [[Защита выпускной квалификационной работы (рекомендации)|Защита дипломной работы]]. | ||
+ | |||
+ | === Файлы === | ||
+ | * [[Медиа:mmp-fish-kurs.zip|mmp-fish-kurs]] — образцы оформления курсовых работ в MS Word и [[LaTeX]]. {{важно|''' — Обновлено 14 апреля 2011 г.'''}} | ||
+ | <!-- * [http://files.mail.ru/R7BTVF Образцы] оформления дипломных работ в MS Word и [[LaTeX]]. | ||
+ | В формате [[LaTeX]]: [[Медиа:mmp-diplo-latex.zip|mmp-diplo-latex.zip]]. | ||
+ | В формате Word: [[Медиа:mmp-diplo1.doc|mmp-diplo1.doc]], [[Медиа:mmp-diplo2.doc|mmp-diplo2.doc]]. --> | ||
+ | * [[Media:MMP_aspirantura_phylosophy_program.pdf|Программа]] вступительного экзамена в аспирантуру по философии. | ||
+ | * [[Media:MMP_aspirantura_mathematics_program.pdf|Программа]] вступительного экзамена в аспирантуру по математике (основная часть + дополнение для специальности 01.01.09). | ||
+ | |||
+ | == Ссылки == | ||
* [http://cs.msu.su/faculty/structure/departments/mmf.html http://cs.msu.su] — страница кафедры на сайте факультета ВМК. | * [http://cs.msu.su/faculty/structure/departments/mmf.html http://cs.msu.su] — страница кафедры на сайте факультета ВМК. | ||
* [[Интеллектуальные системы (кафедра МФТИ)]] — родственная кафедра на [[МФТИ|Физтехе]]. | * [[Интеллектуальные системы (кафедра МФТИ)]] — родственная кафедра на [[МФТИ|Физтехе]]. | ||
* [http://vmk.somee.com http://vmk.somee.com] — страница со спецкурсами и спецсеминарами факультета [[ВМК]]. | * [http://vmk.somee.com http://vmk.somee.com] — страница со спецкурсами и спецсеминарами факультета [[ВМК]]. | ||
- | + | ||
- | + | == Подстраницы == | |
- | + | {{Служебная:Prefixindex/Математические методы прогнозирования (кафедра ВМиК МГУ)/}} | |
- | + | ||
- | + | [[Категория:Кафедры МГУ]] | |
- | + | ||
- | + | ||
- | + | ||
- | + | ||
- | + | ||
- | + | ||
- | + | ||
- | + | ||
- | + | ||
- | + | ||
- | + | ||
- | + | ||
- | + | ||
- | + | ||
- | + | ||
- | + | ||
- | + |
Текущая версия
Заведующий кафедрой — лауреат Ленинской премии, академик РАН, д.ф.-м.н., профессор Юрий Иванович Журавлёв
|
Кафедра была создана в 1997 году. Кафедра готовит специалистов по анализу данных, распознаванию и прогнозированию в технике, экономике, социологии, биологии и т. п. с использованием современных математических методов, программных и компьютерных систем. В процессе обучения студенты получают фундаментальное образование в таких областях математики, как современная алгебра, математическая логика, дискретная и комбинаторная математика, математическое моделирование, диагностика сложных систем, интеллектуальный анализ данных, машинное обучение, прогнозирование, прикладная статистика, математические модели искусственного интеллекта, распознавание образов, обработка и анализ изображений. В рамках специального практикума студенты получают навыки работы с современными базами данных и знаний, овладевают современными языками и методами программирования, приобретают опыт решения прикладных задач. Кафедра готовит научных работников, преподавателей колледжей и высшей школы, специалистов по разработке и применению математических методов для решения таких задач, как, например, прогнозирование месторождений полезных ископаемых, землетрясений, свойств химических соединений, техногенных и социальных катастроф и кризисов, развития экономических и политических ситуаций, и т. п.
В 2001 году был создан филиал кафедры на базе Института математических проблем биологии РАН в г. Пущино, в котором студенты старших курсов участвуют в решении фундаментальных и прикладных проблем в области биоинформатики.
Производственную практику студенты проходят в научно-исследовательских институтах РАН, участвуя, в том числе, в работах по грантам РФФИ, и компаниях, специализирующихся в анализе данных и машинном обучении (например, в компании Форексис). Многие студенты, имеющие склонность к научной деятельности, получают первые самостоятельные результаты уже к четвертому-пятому году обучения, публикуются в научных журналах и после получения диплома продолжают обучение в аспирантуре кафедры.
Координаты для связи:
Телефон: +7-495-939-4202 |
e-mail: ![]() |
Ученый секретарь кафедры: Д.П. Ветров |
Доска объявлений
Новости
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.
Объявления о курсах
Расписание
Актуальное расписание занятий на осенний семестр 2011/2012 уч.г.
Кафедральные курсы
Третий курс
- Математические методы распознавания образов, К.В.Воронцов
- 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.
Четвёртый курс
- Прикладная алгебра (часть 2), В.К. Леонтьев.
- Математические основы теории прогнозирования, Ю.И. Журавлев, Д.П. Ветров
- Обзорный курс для студентов 3-го потока ВМК МГУ по основным математическим методам решения задач машинного обучения. Задачей курса также является ознакомление с основными математическими теориями, которые используются при построении алгоритмов распознавания, такими как алгебра, математическая статистика, методы оптимизации, дискретная математика и др.
Пятый курс
- Прикладной статистический анализ данных, К.В.Воронцов
- 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.
Спецкурсы
- Байесовские методы машинного обучения, Д.П. Ветров, Д.А. Кропотов, проходит по средам в ауд. 510, начало в 16-20.
- В спецкурсе рассматривается применение байесовских методов к нескольким классическим задачам машинного обучения, позволяющих, в частности, автоматически решать задачи выбора модели и получать решающие правила, обладающие желаемыми свойствами. Спецкурс поддерживается практическими заданиями.
- Структурные методы анализа изображений и сигналов, Д.П. Ветров, Д.А. Кропотов, читается в весеннем семестре.
- В спецкурсе излагаются основы теории графических моделей и их применения для решения неклассических задач обучения и вывода при наличии структурной информации. Спецкурс опирается на применение байесовского аппарата теории вероятностей. В единых терминах излагается ряд методов анализа изображений и сигналов, а также общие подходы к построению эффективных приближенных методов байесовского вывода. Спецкурс поддерживается практическими заданиями.
- Теория надёжности обучения по прецедентам, К.В. Воронцов.
- Спецкурс знакомит студентов с современным состоянием теории вычислительного обучения, исследующей проблему качества восстановления зависимостей по эмпирическим данным. Подробно рассматривается комбинаторная теория, позволяющая получать точные оценки вероятности переобучения.
- Исчисления высказываний классической логики, С.И. Гуров, проходит по вторникам в ауд. 607, начало в 16-20, первое занятие состоится 4 октября.
- В спецкурсе рассматриваются основные понятия пропозициональной логики. Даются методы характеризации формул алгебры логики, в частности, метод резолюций и метод семантических таблиц. Изучаются логические исчисления гильбертовского и генценовского типов и общие свойства формальных теорий. Рассматриваются свойства метатеории логических исчислений: корректность и непротиворечивость, семантическая полнота, полнота по Посту, разрешимость и независимость. Спецкурс поддерживается практическими занятиями.
- Извлечение информации из изображений, И.Б. Гуревич.
- В спецкурсе представлены постановки и методы решения математических и вычислительных задач, возникающих в связи с анализом и оцениванием информации, представляемой в виде изображений.
- Основы обобщенного спектрально-аналитического метода и его приложения, Ф.Ф. Дедус, А.Н. Панкратов, Р.К. Тетуев, проходит один раз в две недели по понедельникам в ауд. 507, начало в 14-35.
- Обобщенный спектрально-аналитический метод (ОСАМ) является комбинированным численно-аналитическим методом, в котором сочетаются сильные стороны числовых расчетов и аналитических преобразований. Основными математическими объектами метода являются семейства аналитических ортогональных функций, зависящие от параметров и позволяющие проводить адаптивную аналитическую аппроксимацию произвольных функций. В курсе подробно изучаются системы классических ортогональных многочленов непрерывного аргумента (Чебышева, Лежандра, Якоби, Лагерра, Эрмита) и ортогональные многочлены дискретного аргумента (Чебышева, Хана, Майкснера, Кравчука и Шарлье).
- Логический анализ данных в распознавании, Е.В. Дюкова.
- Излагаются общие принципы конструирования логических процедур распознавания. Изучаются вопросы эффективного применения комбинаторно-логических методов для синтеза распознающих процедур. Рассматриваются подходы к оценке вычислительной сложности алгоритмов и качества решения прикладных задач.
- Метрические методы интеллектуального анализа данных, А.И. Майсурадзе.
- 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.
- Вычислительные задачи математической биологии, С.А. Махортых, А.Н. Панкратов, проходит по понедельникам один раз в две недели по понедельникам в ауд. 507, начало в 14-35.
- В спецкурсе рассматриваются дополнительные вопросы обобщенного спектрально-аналитического метода (ОСАМ) и его приложения к задачам распознавания в биоинформатике, связанным с аналитическим описанием и анализом, как текстовых последовательностей, так и пространственных структур биологических макромолекул.
- Нестатистические методы анализа данных и классификации, В.В. Рязанов, проходит по вторникам в ауд. 510, начало в 18-00.
- 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 коллективных решений), новые подходы в регрессионном анализе, поиск зависимостей по прецедентам, практические применения в медицине, бизнесе и технике.
- Задачи распознавания в биоинформатике, К.В. Рудаков, И.Ю. Торшин.
- Данный курс рассчитан на будущих специалистов в области математики и информатики. На примере биоинформатики иллюстрируется, как математик мог бы вникать в специфику предметной области, чтобы суметь успешно приспособить известные ему методы для решения прикладных и исследовательских задач.
- Непрерывные морфологические модели и алгоритмы, Л.М. Местецкий.
- Рассматривается задача анализа формы плоских фигур и связанные с ней приложения в области распознавания изображений, компьютерной графики и геоинформатики. Исследуются вопросы аппроксимации бинарных растровых изображений многоугольными фигурами, представления фигур циркулярными графами, вычисления скелетов, сравнения и преобразования формы на основе циркулярных графов.
Спецсеминары
- Проблемы обобщающей способности алгоритмов классификации, регрессии и прогнозирования, доц., к.ф.-м.н. К.В.Воронцов.
- Байесовские методы машинного обучения, н.с., к.ф.-м.н. Д.П.Ветров, проходит по средам в ауд. 510, начало в 18-10.
- Анализ и оценивание информации представленной в виде изображений, доц., к.ф.-м.н. И.Б.Гуревич.
- Новые методы в распознавании образов и прогнозировании, доц., к.ф.-м.н. С.И.Гуров.
- Спектральные методы в задачах математической биологии, проф., д.т.н. Ф.Ф.Дедус.
- Логические модели распознавания, доц., д.ф.-м.н. Е.В.Дюкова.
- Алгебрологические методы в задачах классификации и прогнозирования, академик РАН, д.ф.-м.н., профессор Ю.И.Журавлёв.
- Комбинаторные основы теории информации, проф., д.ф.-м.н. В.К.Леонтьев.
- Анализ данных в метрических пространствах, доц., к.ф.-м.н. А.И.Майсурадзе, проходит по средам в ауд. 582, начало в 16:20.
- Вычислительные задачи математической биологии и биофизики, доц., к.ф.-м.н. С.А.Махортых, доц., к.ф.-м.н. А.Н.Панкратов.
- Дискретно-непрерывные преобразования изображений в задачах распознавания, проф., д.т.н. Л.М.Местецкий.
- Прикладные методы прогнозирования и анализа данных, доц., д.ф.-м.н. В.В.Рязанов.
- Проблемно-ориентированные схемы распознавания, чл.-корр. РАН, проф. Рудаков Константин Владимирович, доц., к.ф.-м.н. Ю.В.Чехович.
Преподаватели
- Ветров Дмитрий Петрович, к.ф.-м.н. — ученый секретарь
- Воронцов Константин Вячеславович, д.ф.-м.н.
- Гуревич Игорь Борисович, к.ф.-м.н.
- Гуров Сергей Исаевич, к.ф.-м.н.
- Дедус Флоренц Фёдорович, д.т.н., профессор
- Дьяконов Александр Геннадьевич, д.ф.-м.н.
- Дюкова Елена Всеволодовна, д.ф.-м.н.
- Журавлёв Юрий Иванович, академик РАН — заведующий кафедрой
- Кропотов Дмитрий Александрович, м.н.с.
- Леонтьев Владимир Константинович, д.ф.-м.н., профессор
- Майсурадзе Арчил Ивериевич, к.ф.-м.н.
- Махортых Сергей Александрович, к.ф.-м.н.
- Местецкий Леонид Моисеевич, д.т.н., профессор
- Панкратов Антон Николаевич, к.ф.-м.н.
- Рудаков Константин Владимирович, член-корреспондент РАН
- Рязанов Владимир Васильевич, д.ф.-м.н., академик РАЕН
- Сенько Олег Валентинович, д.ф.-м.н.
- Чехович Юрий Викторович, к.ф.-м.н.
- Шурыгин Александр Михайлович, д.т.н.
Материалы
Рекомендации
- Научно-исследовательская работа.
- Написание статей, курсовых и дипломных работ.
- Подготовка презентаций.
- Защита дипломной работы.
Файлы
- mmp-fish-kurs — образцы оформления курсовых работ в MS Word и LaTeX. — Обновлено 14 апреля 2011 г.
- Программа вступительного экзамена в аспирантуру по философии.
- Программа вступительного экзамена в аспирантуру по математике (основная часть + дополнение для специальности 01.01.09).
Ссылки
- http://cs.msu.su — страница кафедры на сайте факультета ВМК.
- Интеллектуальные системы (кафедра МФТИ) — родственная кафедра на Физтехе.
- http://vmk.somee.com — страница со спецкурсами и спецсеминарами факультета ВМК.