Математические методы прогнозирования (кафедра ВМиК МГУ)/Спецкурсы-спецсеминары

Материал из MachineLearning.

Версия 11:49, 10 сентября 2013 (править) Kropotov (Обсуждение | вклад) (+ спецсеминар БММО) ← К предыдущему изменению		Версия 10:54, 11 сентября 2013 (править) (отменить) Kropotov (Обсуждение | вклад) (+ спецкурс Воронцова) К следующему изменению →
Строка 67:		Строка 67:
	|		|
	|		|
-	|	+	| <small>С/К [[Вероятностные тематические модели (курс лекций, К.В.Воронцов)|ВТМ]], [[Участник:Vokov|Воронцов К.В.]], 607
	|-		|-
	!20:00 – 21:35		!20:00 – 21:35
Строка 80:		Строка 80:
	|		|
	|<!-- ЗДЕСЬ ПЕРЕЧИСЛЯЮТСЯ СПЕЦКУРСЫ ТЕКУЩЕГО СЕМЕСТРА -->		|<!-- ЗДЕСЬ ПЕРЕЧИСЛЯЮТСЯ СПЕЦКУРСЫ ТЕКУЩЕГО СЕМЕСТРА -->
		+	{{Курс|Режим = {{{1}}}|Название =
		+	'''[[Вероятностные тематические модели (курс лекций, К.В.Воронцов)|Вероятностные тематические модели]]''', [[Участник:Vokov|К.В. Воронцов]], проходит по пятницам в ауд. 607, начало в 18-00. Первое занятие 13 сентября.
		+	|Описание =
		+	}}
	<!-- КОНЕЦ ПЕРЕЧИСЛЕНИЯ СПЕЦКУРСОВ ТЕКУЩЕГО СЕМЕСТРА -->		<!-- КОНЕЦ ПЕРЕЧИСЛЕНИЯ СПЕЦКУРСОВ ТЕКУЩЕГО СЕМЕСТРА -->
	}}<noinclude><!-- ЗДЕСЬ ПЕРЕЧИСЛЯЮТСЯ ВСЕ ОСТАЛЬНЫЕ СПЕЦКУРСЫ-->		}}<noinclude><!-- ЗДЕСЬ ПЕРЕЧИСЛЯЮТСЯ ВСЕ ОСТАЛЬНЫЕ СПЕЦКУРСЫ-->

---

Версия 10:54, 11 сентября 2013

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

---

Содержание 1 Расписание спецкурсов и спецсеминаров в весеннем семестре 2012/2013 уч.г. 2 Спецкурсы 3 Спецсеминары 4 Ссылки

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
18:05 – 19:40		С/С БММО, Ветров Д.П., 526б			С/К ВТМ, Воронцов К.В., 607
20:00 – 21:35

Расписание основных занятий

Спецкурсы

• Вероятностные тематические модели, К.В. Воронцов, проходит по пятницам в ауд. 607, начало в 18-00. Первое занятие 13 сентября.

• 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.

• Исчисления высказываний классической логики, С.И. Гуров.

  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.

  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.

• 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.

• Основы обобщенного спектрально-аналитического метода и его приложения, Ф.Ф. Дедус. Лекции проходят один раз в две недели по 4 академических часа.

  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).

• Вычислительные задачи математической биологии, А.Н. Панкратов. Лекции проходят один раз в две недели по 4 академических часа.

  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.

• 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.

• Методы оптимизации в машинном обучении, Д.А. Кропотов.

  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.

• 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.

• Булевы уравнения и проблема SAT, С.И. Гуров, А.Г. Дьяконов.

• 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.

Спецсеминары

• Байесовские методы машинного обучения, Д.П.Ветров, проходит по вторникам в ауд. 526б, начало в 18-10. Первое заседание — 10 сентября.

• Анализ и оценивание информации представленной в виде изображений.

• 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.

• Анализ данных в метрических пространствах, А.И.Майсурадзе.

• Спектральные методы в задачах математической биологии, Ф.Ф.Дедус.

• Алгебра над алгоритмами и эвристический поиск закономерностей, А.Г.Дьяконов.

• Логические модели распознавания, Е.В.Дюкова.

• Алгебрологические методы в задачах классификации и прогнозирования, Ю.И.Журавлёв.

• Комбинаторные основы теории информации, В.К.Леонтьев.

• Вычислительные задачи математической биологии и биофизики, С.А.Махортых, А.Н.Панкратов.

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

• Прикладные методы прогнозирования и анализа данных, В.В.Рязанов.

• Проблемно-ориентированные схемы распознавания, Рудаков Константин Владимирович, Ю.В.Чехович.

Ссылки

http://vmk.somee.com — страница со спецкурсами и спецсеминарами факультета ВМК.