Математические методы прогнозирования (кафедра ВМиК МГУ)/Кафедральные курсы
Материал из MachineLearning.
(Различия между версиями)
(уточнение учебного плана) |
(+ практикум по СКВТ) |
||
| Строка 114: | Строка 114: | ||
|Описание = | |Описание = | ||
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. | 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. | ||
| + | }} | ||
| + | {{Курс|Режим = {{{1}}}|Название = | ||
| + | '''Практикум по суперкомпьютерным вычислительным технологиям''', [[Участник:AIM|А.И. Майсурадзе]] | ||
| + | |Описание = | ||
}} | }} | ||
}} | }} | ||
Версия 14:38, 27 августа 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
- Байесовские методы в машинном обучении, Д.П. Ветров (лекции), М.В. Фигурнов (семинары)
- Прикладная алгебра (часть 2), С.И. Гуров
- Графические модели, Д.П. Ветров (лекции), А.А. Осокин (семинары)
- Прикладной статистический анализ данных, К.В. Воронцов, Е. 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.
Пятый курс
- Прикладной статистический анализ данных, К.В. Воронцов, Е. 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.
- Практикум по суперкомпьютерным вычислительным технологиям, А.И. Майсурадзе
