Математические методы прогнозирования (кафедра ВМиК МГУ)/Кафедральные курсы
Материал из MachineLearning.
(Различия между версиями)
| Строка 44: | Строка 44: | ||
}} | }} | ||
{{Курс|Режим = {{{1}}}|Название = | {{Курс|Режим = {{{1}}}|Название = | ||
| - | '''Математические методы распознавания образов: [[Математические методы распознавания образов (курс лекций, В.В.Китов)|лекции]] ([[Участник:Victor_Kitov|В.В. Китов]]), [ | + | '''Математические методы распознавания образов: [[Математические методы распознавания образов (курс лекций, В.В.Китов)|лекции]] ([[Участник:Victor_Kitov|В.В. Китов]]), [https://github.com/esokolov/ml-course-msu семинары] ([[Участник:EvgSokolov|Е.А. Соколов]])''' |
|Описание = | |Описание = | ||
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. | 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. | ||
Версия 14:13, 29 сентября 2016
 |
|
|
| Тел. +7-495-939-4202 e-mail:  Ученый секретарь: Д.А. Кропотов Все контакты |
Содержание |
Третий курс
- 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, Е. Нижибицкий.
Четвёртый курс
- Байесовские методы в машинном обучении, Д.П. Ветров (лекции), Е. Лобачева, Д. Подоприхин (семинары)
- Прикладная алгебра (часть 2), С.И. Гуров
- Графические модели, Д.П. Ветров (лекции), Д.А. Кропотов, М. Хальман (семинары)
- Прикладной статистический анализ данных, Е.А. Рябенко
- 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.
Магистры, 1-й год обучения
- Методы оптимизации в машинном обучении, Д.А. Кропотов (лекции), А.О. Родоманов (семинары)
- Комбинаторные и логические методы анализа данных, С.И. Гуров
- Комбинаторные и логические методы анализа данных, С.И. Гуров
Магистры, 2-й год обучения
- Математические методы классификации, К.В. Рудаков
- Алгоритмика, Л.М. Местецкий
