Математические методы прогнозирования (кафедра ВМиК МГУ)/Кафедральные курсы
Материал из MachineLearning.
(Различия между версиями)
(→Третий курс) |
|||
| (2 промежуточные версии не показаны) | |||
| Строка 33: | Строка 33: | ||
|} | |} | ||
|style="border-left:1px #aaa solid"| | |style="border-left:1px #aaa solid"| | ||
| - | |Тел. +7-495-939-4202<br>e-mail: [[Изображение:MMP_email.jpg]]<br>Ученый секретарь: | + | |Тел. +7-495-939-4202<br>e-mail: [[Изображение:MMP_email.jpg]]<br>Ученый секретарь: О.А. Кравцова<br>'''[[Математические методы прогнозирования (кафедра ВМиК МГУ)/О кафедре#Контакты|Все контакты]]''' |
|} | |} | ||
---- | ---- | ||
| Строка 81: | Строка 81: | ||
}} | }} | ||
{{Курс|Режим = {{{1}}}|Название = | {{Курс|Режим = {{{1}}}|Название = | ||
| - | '''[[Бммо|Байесовские методы в машинном обучении]]''', [[Участник:Dmitry Vetrov|Д.П. Ветров]] (лекции) | + | '''[[Бммо|Байесовские методы в машинном обучении]]''', [[Участник:Dmitry Vetrov|Д.П. Ветров]] (лекции), М. Кодрян, Т. Южаков (семинары) |
|Описание = | |Описание = | ||
}} | }} | ||
| Строка 101: | Строка 101: | ||
}} | }} | ||
{{Курс|Режим = {{{1}}}|Название = | {{Курс|Режим = {{{1}}}|Название = | ||
| - | '''[[Нейробайесовские методы машинного обучения (курс лекций) / | + | '''[[Нейробайесовские методы машинного обучения (курс лекций) / 2022|Нейробайесовские методы]]''', [[Участник:Dmitry Vetrov|Д.П. Ветров]]. |
|Описание = | |Описание = | ||
}} | }} | ||
Текущая версия
 |
|
|
| Тел. +7-495-939-4202 e-mail:  Ученый секретарь: О.А. Кравцова 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.
Четвёртый курс
- Байесовские методы в машинном обучении, Д.П. Ветров (лекции), М. Кодрян, Т. Южаков (семинары)
- Прикладная алгебра (часть 2), С.И. Гуров
- Машинное обучение и анализ данных (3-й поток), А.Г. Дьяконов.
- 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.
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
