Математические методы прогнозирования (кафедра ВМиК МГУ)/Кафедральные курсы
Материал из MachineLearning.
(Различия между версиями)
(→Третий курс) |
|||
| 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]], по четвергам в 16-20, [https://us04web.zoom.us/j/762076034 ссылка на zoom]), [https://github.com/mmp-mmro-team/mmp_mmro_fall_2019 семинары] ([[Участник:EvgSokolov|Е.А. Соколов]] | + | '''Математические методы распознавания образов: [[Математические методы распознавания образов (курс лекций, В.В.Китов)|лекции]]''' ([[Участник:Victor_Kitov|В.В. Китов]], по четвергам в 16-20, [https://us04web.zoom.us/j/762076034 ссылка на zoom]), '''[https://github.com/mmp-mmro-team/mmp_mmro_fall_2019 семинары]''' ([[Участник:EvgSokolov|Е.А. Соколов]], по четвергам в 18-05, [https://zoom.us/j/990285790 ссылка на zoom]) |
|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 13:46, 26 марта 2020
 |
|
|
| 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, по четвергам в 16-20, ссылка на zoom), семинары (Е.А. Соколов, по четвергам в 18-05, ссылка на zoom)
- 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, по понедельникам в 12-50, ссылка на zoom.
Четвёртый курс
- Байесовские методы в машинном обучении, Д.П. Ветров (лекции), К. Струминский, А. Волохова (семинары)
- Прикладная алгебра (часть 2), С.И. Гуров
- Машинное обучение и анализ данных (3-й поток), А.Г. Дьяконов, по понедельникам в 16-20, ссылка на zoom.
- Прикладной статистический анализ данных, О.В. Сенько
Магистры, 1-й год обучения
- Алгоритмика, Л.М. Местецкий
- Прикладные задачи анализа данных, А.Г. Дьяконов
- Методы оптимизации в машинном обучении, Д.А. Кропотов, по пятницам в 14-35, ссылка на zoom.
Магистры, 2-й год обучения
- Математические методы классификации, К.В. Рудаков
- Обучение с подкреплением, Д.А. Кропотов
Архив курсов
- Графические модели, Ветров Д.П., Кропотов Д.А.
- Современные методы распознавания и синтеза речи, Полыковский Д., Бибик Д., Дуканов С., Воропаев А., Соловьев Д.
- Математические основы теории прогнозирования, О.В. Сенько
- Прикладные системы распознавания и прогнозирования, К.В. Рудаков и др.
- Математические методы прогнозирования, А.М. Шурыгин
