Математические методы прогнозирования (кафедра ВМиК МГУ)/Кафедральные курсы
Материал из MachineLearning.
(Различия между версиями)
(категория) |
м |
||
| Строка 28: | Строка 28: | ||
|style="text-align:left;" | [[Математические методы прогнозирования (кафедра ВМиК МГУ)/Материалы|'''Материалы''']] | |style="text-align:left;" | [[Математические методы прогнозирования (кафедра ВМиК МГУ)/Материалы|'''Материалы''']] | ||
|- | |- | ||
| - | |style="text-align:left;" | [[Математические методы прогнозирования (кафедра ВМиК МГУ)/ | + | |style="text-align:left;" | [[Математические методы прогнозирования (кафедра ВМиК МГУ)/Диссертации/дипломные работы|'''Дипломные работы]] |
|- | |- | ||
|style="text-align:left;" | [[Математические методы прогнозирования (кафедра ВМиК МГУ)/Просеминар|'''Просеминар''']] | |style="text-align:left;" | [[Математические методы прогнозирования (кафедра ВМиК МГУ)/Просеминар|'''Просеминар''']] | ||
Версия 09:34, 6 июня 2014
 |
|
|
| Тел. +7-495-939-4202 e-mail:  Ученый секретарь: Д.П. Ветров Все контакты |
Содержание |
Третий курс
- Математические методы распознавания образов: лекции (К.В. Воронцов), 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
- Обзорный курс для студентов 3-го потока по основам прикладной алгебры (группы, кольца, поля, частично-упорядоченные множества) и ее приложениям в кодировании и комбинаторике.
- Алгоритмы, модели, алгебры, А.Г. Дьяконов
Четвёртый курс
- Практикум на ЭВМ, А.И.Майсурадзе
- Математические методы классификации, К.В. Рудаков
- Прикладная алгебра (часть 2), С.И. Гуров
- Графические модели, Д.П. Ветров (лекции), А.А. Осокин (семинары)
- Прикладная алгебра (часть 3), В.К. Леонтьев.
- Математические основы теории прогнозирования, О.В. Сенько
- Обзорный курс для студентов 3-го потока ВМК МГУ по основным математическим методам решения задач машинного обучения. Задачей курса также является ознакомление с основными математическими теориями, которые используются при построении алгоритмов распознавания, такими как алгебра, математическая статистика, методы оптимизации, дискретная математика и др.
Пятый курс
- Прикладной статистический анализ данных, К.В. Воронцов
- 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.
