Математические методы прогнозирования (кафедра ВМиК МГУ)/Спецкурсы-спецсеминары
Материал из MachineLearning.
(Различия между версиями)
(+ спецкурс Гурова) |
(спецкурс Рязанова) |
||
Строка 63: | Строка 63: | ||
|- | |- | ||
!18:05 – 19:40 | !18:05 – 19:40 | ||
+ | | <small>С/К [[Нестатистические методы анализа данных и классификации (курс лекций, В.В.Рязанов)|НМАДК]], [[Участник:Rvv|Рязанов В.В.]], 504</small> | ||
+ | | <small>С/С [[vetrovsem|БММО]], [[Участник:Dmitry Vetrov|Ветров Д.П.]], 524</small> | ||
| | | | ||
- | |||
- | |||
| | | | ||
| | | | ||
Строка 89: | Строка 89: | ||
|Описание = | |Описание = | ||
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. | 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. | ||
+ | }} | ||
+ | {{Курс|Режим = {{{1}}}|Название = | ||
+ | '''[[Нестатистические методы анализа данных и классификации (курс лекций, В.В.Рязанов)|Нестатистические методы анализа данных и классификации]]''', [[Участник:Rvv|В.В. Рязанов]], проходит по понедельникам в ауд. 504, начало в 18-00. | ||
+ | |Описание = | ||
+ | Основная цель спецкурса состоит в изложении основанных на оптимизационных, дискретных и эвристических подходах методов анализа данных. Будут рассмотрены логические модели распознавания (классификации с учителем) и анализа разнотипных многомерных данных, методы оптимизации моделей распознавания, алгоритмы поиска скрытых логических закономерностей и связей по признаковым описаниям, методы создания качественных моделей объектов, ситуаций, явлений или процессов. Будут рассмотрены практические численные методы решения данных задач, и их применения в медицине, бизнесе, химии, технике и других областях. | ||
}} | }} | ||
<!-- КОНЕЦ ПЕРЕЧИСЛЕНИЯ СПЕЦКУРСОВ ТЕКУЩЕГО СЕМЕСТРА --> | <!-- КОНЕЦ ПЕРЕЧИСЛЕНИЯ СПЕЦКУРСОВ ТЕКУЩЕГО СЕМЕСТРА --> | ||
Строка 111: | Строка 116: | ||
|Описание = | |Описание = | ||
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. | 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. | ||
- | |||
- | |||
- | |||
- | |||
- | |||
}} | }} | ||
{{Курс|Режим = {{{1}}}|Название = | {{Курс|Режим = {{{1}}}|Название = | ||
Строка 156: | Строка 156: | ||
|<!-- ЗДЕСЬ ПЕРЕЧИСЛЯЮТСЯ СПЕЦСЕМИНАРЫ ТЕКУЩЕГО СЕМЕСТРА--> | |<!-- ЗДЕСЬ ПЕРЕЧИСЛЯЮТСЯ СПЕЦСЕМИНАРЫ ТЕКУЩЕГО СЕМЕСТРА--> | ||
{{Курс|Режим = {{{1}}}|Название = | {{Курс|Режим = {{{1}}}|Название = | ||
- | '''[[vetrovsem|Байесовские методы машинного обучения]]''', [[Участник:Dmitry Vetrov|Д.П.Ветров]], проходит по | + | '''[[vetrovsem|Байесовские методы машинного обучения]]''', [[Участник:Dmitry Vetrov|Д.П.Ветров]], проходит по вторникам в ауд. 524, начало в 18-30. |
|Описание = | |Описание = | ||
}} | }} |
Версия 10:58, 15 февраля 2013
|
|
| Тел. +7-495-939-4202 e-mail: Ученый секретарь: Д.П. Ветров Все контакты |
Содержание |
Расписание спецкурсов и спецсеминаров в весеннем семестре 2012/2013 уч.г.
Пара | Понедельник | Вторник | Среда | Четверг | Пятница |
---|---|---|---|---|---|
8:45 – 10:20 | |||||
10:30 – 12:05 | |||||
12:15 – 13:50 | |||||
14:35 – 16:10 | |||||
16:20 – 17:55 | С/К ЛАДР, Дюкова Е.В., 606 | С/К ИВКЛ, Гуров С.И., 704 | |||
18:05 – 19:40 | С/К НМАДК, Рязанов В.В., 504 | С/С БММО, Ветров Д.П., 524 | |||
20:00 – 21:35 |
Спецкурсы
- Логический анализ данных в распознавании, Е.В. Дюкова, проходит по понедельникам в ауд. 606, начало в 16-20.
- 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.
- Исчисления высказываний классической логики, С.И. Гуров, проходит по пятницам в ауд. 704, начало в 16-20.
- 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.
- Нестатистические методы анализа данных и классификации, В.В. Рязанов, проходит по понедельникам в ауд. 504, начало в 18-00.
- Основная цель спецкурса состоит в изложении основанных на оптимизационных, дискретных и эвристических подходах методов анализа данных. Будут рассмотрены логические модели распознавания (классификации с учителем) и анализа разнотипных многомерных данных, методы оптимизации моделей распознавания, алгоритмы поиска скрытых логических закономерностей и связей по признаковым описаниям, методы создания качественных моделей объектов, ситуаций, явлений или процессов. Будут рассмотрены практические численные методы решения данных задач, и их применения в медицине, бизнесе, химии, технике и других областях.
- Методы оптимизации в машинном обучении, Д.А. Кропотов, читается в осеннем семестре.
- В спецкурсе рассматриваются классические и современные методы непрерывной оптимизации, а также особенности их применения для задач оптимизации, возникающих в машинном обучении. Основной упор в изложении делается на практические аспекты реализации и использования методов. Спецкурс поддерживается практическими заданиями.
- 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.
- Логико-статистические модели в распознавании, прогнозировании и интеллектуальном анализе данных, О.В. Сенько.
- Рассматриваются методы интеллектуального анализа данных, основанные на выделении в многомерном пространстве прогностических переменных областей, в которых значения прогнозируемой переменной достоверно отличаются от средних значений по всей выборке. Верификация выявленных закономерностей проводится с помощью рандомизированных перестановочных тестов. Приводятся примеры использования рассматриваемых методов при решении разнообразных прикладных задач.
- Вычислительные задачи математической биологии, С.А. Махортых.
- 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.
- 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.
- Основы обобщенного спектрально-аналитического метода и его приложения, Ф.Ф. Дедус.
- 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).
- 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.
- 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.
- 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.
- Байесовские методы машинного обучения, Д.П. Ветров, Д.А. Кропотов.
- 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.
Спецсеминары
- Байесовские методы машинного обучения, Д.П.Ветров, проходит по вторникам в ауд. 524, начало в 18-30.
- Проблемы обобщающей способности алгоритмов классификации, регрессии и прогнозирования, К.В.Воронцов.
- Учебно-научный семинар «Интеллектуальный анализ данных: новые задачи и методы», доц., к.ф.-м.н. С.И.Гуров, доц., к.ф.-м.н. А.И.Майсурадзе.
- Комбинаторные основы теории информации, В.К.Леонтьев.
- Вычислительные задачи математической биологии и биофизики, С.А.Махортых, А.Н.Панкратов.
Ссылки
http://vmk.somee.com — страница со спецкурсами и спецсеминарами факультета ВМК.