Математические методы прогнозирования (кафедра ВМиК МГУ)/Кафедральные курсы
Материал из MachineLearning.
(Различия между версиями)
(→Четвёртый курс) |
|||
| Строка 97: | Строка 97: | ||
}} | }} | ||
{{Курс|Режим = {{{1}}}|Название = | {{Курс|Режим = {{{1}}}|Название = | ||
| - | '''[[Нейробайесовские методы машинного обучения (курс лекций) / | + | '''[[Нейробайесовские методы машинного обучения (курс лекций) / 2019|Нейробайесовские методы]]''', [[Участник:Dmitry Vetrov|Д.П. Ветров]] |
|Описание = | |Описание = | ||
}} | }} | ||
Версия 13:54, 11 февраля 2019
 |
|
|
| Тел. +7-495-939-4202 e-mail:  Ученый секретарь: Д.А. Кропотов Все контакты |
Содержание |
Третий курс
- Практикум на ЭВМ, Д.А. Кропотов, А. Попов
- 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.
Четвёртый курс
- Байесовские методы в машинном обучении, Д.П. Ветров (лекции), К. Струминский, Т. Гарипов (семинары)
- Прикладная алгебра (часть 2), С.И. Гуров
- Прикладной статистический анализ данных, О.В. Сенько
Магистры, 1-й год обучения
- Алгоритмика, Л.М. Местецкий
- Методы оптимизации в машинном обучении, Д.А. Кропотов (лекции), А.О. Родоманов (семинары)
- Современные методы распознавания и синтеза речи, Полыковский Д., Бибик Д., Дуканов С., Воропаев А., Соловьев Д.
Магистры, 2-й год обучения
- Математические методы классификации, К.В. Рудаков
- Алгоритмика, Л.М. Местецкий
