Математические методы прогнозирования (кафедра ВМиК МГУ)/Кафедральные курсы

Материал из MachineLearning.

		Кафедральные курсы Спецкурсы/спецсеминары Новости	Расписание Учебный план Персональный состав	Материалы Диссертации/дипломные работы Просеминар		Тел. +7-495-939-4202 e-mail: Ученый секретарь: Д.А. Кропотов Все контакты

---

Содержание 1 Третий курс 2 Четвёртый курс 3 Магистры, 1-й год обучения 4 Магистры, 2-й год обучения 5 Архив курсов

Третий курс

• Практикум на ЭВМ, Д.А. Кропотов, А. Попов

• 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.

• Обработка и распознавание изображений, Л.М. Местецкий

Четвёртый курс

• Практикум на ЭВМ, А.И. Майсурадзе

• Байесовские методы в машинном обучении, Д.П. Ветров (лекции), К. Струминский, Т. Гарипов (семинары)

• Прикладная алгебра (часть 2), С.И. Гуров

• Графические модели, Д.А. Кропотов

• Нейробайесовские методы, Д.П. Ветров

Магистры, 1-й год обучения

• Методы оптимизации в машинном обучении, Д.А. Кропотов (лекции), А.О. Родоманов (семинары)

• Прикладные задачи анализа данных, А.Г. Дьяконов

• Компьютерные методы обработки сигналов (на английском языке), О.В. Красоткина

• Математические методы анализа текстов, В.В. Китов, М. Апишев

• Комбинаторные и логические методы анализа данных, С.И. Гуров

• Современные методы распознавания и синтеза речи, Воропаев А., Соловьев Д., Полыковский Д.

Магистры, 2-й год обучения

• Математические методы классификации, К.В. Рудаков

• Алгоритмика, Л.М. Местецкий

• Глубинное обучение, Д.А. Кропотов

Архив курсов

• Прикладной статистический анализ данных, Е.А. Рябенко, П. Швечиков, М. Хальман

  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.

• Математические основы теории прогнозирования, О.В. Сенько
• Прикладные системы распознавания и прогнозирования, К.В. Рудаков и др.
• Математические методы прогнозирования, А.М. Шурыгин