Математические методы прогнозирования (кафедра ВМиК МГУ)

Кафедра Математических методов прогнозирования ВМК МГУ создана в 1997 году. Организатор и заведующий кафедрой — лауреат Ленинской премии, академик РАН Юрий Иванович Журавлев. Кафедра готовит специалистов в области распознавания образов, машинного обучения, интеллектуального анализа данных, биоинформатики, анализа изображений и др. Подробнее

{{#if:

{{#if: 1

• Воронцов Константин Вячеславович, д.ф.-м.н. — заведующий кафедрой
• Гуров Сергей Исаевич, к.ф.-м.н.
• Дюкова Елена Всеволодовна, д.ф.-м.н.
• Китов Виктор Владимирович, к.ф.-м.н.
• Кравцова Ольга Анатольевна, н.с. — учёный секретарь
• Майсурадзе Арчил Ивериевич, к.ф.-м.н.
• Местецкий Леонид Моисеевич, д.т.н.
• Сенько Олег Валентинович, д.ф.-м.н.
• Сердюк Юлиан Анатольевич

Весь персональный состав

• cs.msu.su — страница кафедры на сайте факультета ВМК.
• Интеллектуальные системы (кафедра МФТИ) — родственная кафедра на Физтехе.
• vmk.somee.com — страница со спецкурсами и спецсеминарами факультета ВМК.
• bayesgroup.ru — англоязычная страница группы Байесовских методов.

Третий курс

• Практикум на ЭВМ (317), Д.А. Кропотов.

• Математические методы распознавания образов: лекции (В.В. Китов), семинары (Е.А. Соколов)
• Прикладная алгебра (3-й поток), С.И. Гуров, Д.А. Кропотов

Четвёртый курс

• Практикум на ЭВМ, А.И. Майсурадзе

• Байесовские методы в машинном обучении, Д.П. Ветров (лекции), М. Кодрян, Т. Южаков (семинары)

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

Магистры, 1-й год обучения

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

• Алгоритмика, Л.М. Местецкий

• Прикладные задачи анализа данных, А.Г. Дьяконов

Магистры, 2-й год обучения

• Математические методы классификации, К.В. Рудаков
• Обучение с подкреплением, Д.А. Кропотов

• Математические методы анализа текстов, К.В. Воронцов

Все кафедральные курсы

• Анализ графов, сетей, функций сходства (Graphs, Network, Distance Function Analysis), А.И. Майсурадзе, для магистрантов.

• Аналитические модели данных и их визуализация (Analytical Data Models and Visualization), А.И. Майсурадзе, для бакалавров.

• Вероятностное тематическое моделирование (Probabilistic topic modelling), лектор профессор РАН, д.ф.-м.н. К.В. Воронцов, для магистров.

• Задачи и алгоритмы вычислительной геометрии (Computational Geometry: Problems and Algorithms), Л.М. Местецкий, для бакалавров.

• Логика высказываний, лектор С.И. Гуров

• Логический анализ данных в распознавании, (Logical data analysis in recognition) лектор Е.В. Дюкова

• Методы и технологии машинного обучения (Methods and Technologies of Machine Learning), А. И. Майсурадзе, для магистров.

• Методы машинного обучения и поиск закономерностей в данных (Machine learning and search of regularities in data), лектор О.В. Сенько.

• Метрические методы интеллектуального анализа данных, А.И. Майсурадзе.

• Нейросетевые методы обработки изображений, В.В. Китов, для бакалавров.

• Неклассические математические модели обработки данных, А.И. Майсурадзе.

• Непрерывные морфологические модели и алгоритмы (Continuous morphological models and algorithms), Л.М. Местецкий, для бакалавров.

• Основные модели данных в аналитической деятельности (Аналитический SQL) (Essential Data Models in Data Analysis)(Analytical SQL), А.И. Майсурадзе, для бакалавров.

• Основы математических методов прогнозирования, О.А. Кравцова Ю.А. Сердюк

Все спецкурсы

• Развитие методов машинного обучения, В.В. Китов.

• Продвинутое развитие методов машинного обучения, В.В. Китов.

• Задачи обработки сигналов, С.И. Гуров.

• Интеллектуальный анализ данных: новые задачи и методы, С.И. Гуров.

• Анализ слабоструктурированной и метрической информации, А.И. Майсурадзе

• Сравнение объектов в интеллектуальном анализе данных, А.И. Майсурадзе

• Методы машинного обучения и поиск закономерностей в данных, О.В. Сенько

• Непрерывные морфологические модели и алгоритмы, К.В. Воронцов

• Дискретно-непрерывные преобразования изображений в задачах распознавания, Л.М. Местецкий

• Непрерывные морфологические модели в обработке и распознавании изображений, Л.М. Местецкий

• Логические модели распознавания, Е.В. Дюкова П.А. Прокофьев

• Байесовские методы машинного обучения, Д.П. Ветров Д.А. Кропотов

Все спецсеминары

Рекомендации

• Научно-исследовательская работа.
• Написание статей, курсовых и дипломных работ.
• Подготовка презентаций.
• Защита дипломной работы.
• Словарь терминов машинного обучения.

Файлы

• mmp-fish-kurs — образцы оформления курсовых работ в MS Word и LaTeX.
• Программа вступительного экзамена в аспирантуру по философии.
• Программа вступительного экзамена в аспирантуру по математике (основная часть + дополнение для специальности 01.01.09).
• Программа кандидатского минимума по специальности 01.01.09.

Все материалы