Математические методы прогнозирования (кафедра ВМиК МГУ)/Кафедральные курсы

Материал из MachineLearning.

Основная статья: Математические методы прогнозирования (кафедра ВМиК МГУ)

Третий курс

• Математические методы распознавания образов, К.В.Воронцов

  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 (часть I), А.Г.Дьяконов

• Алгоритмы, модели, алгебры, А.Г.Дьяконов

Четвёртый курс

• Практикум, А.И.Майсурадзе
• Прикладная алгебра, часть 2, С.И.Гуров
• Математические основы теории прогнозирования, Ю.И. Журавлев, Д.П. Ветров

  Курс для 3-го потока ВМК МГУ по основным математическим методам решения задач машинного обучения (распознавания, классификации, прогнозирования, анализа данных). 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.