Математические методы прогнозирования (кафедра ВМиК МГУ)/Спецкурсы-спецсеминары

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(+ спецкурс Сенько)
(+ время и место проведения спецкурса Сенько)
Строка 64: Строка 64:
| || <small>С/К [[Нестатистические методы анализа данных и классификации (курс лекций, В.В.Рязанов)|НМАДК]], [[Участник:Rvv|В.В. Рязанов]], ауд. 510</small>
| || <small>С/К [[Нестатистические методы анализа данных и классификации (курс лекций, В.В.Рязанов)|НМАДК]], [[Участник:Rvv|В.В. Рязанов]], ауд. 510</small>
| <small>С/С [[vetrovsem|БММО]], [[Участник:Dmitry Vetrov|Д.П. Ветров]], ауд. 510<br>С/К [[Непрерывные морфологические модели и алгоритмы (курс лекций, Л.М. Местецкий)|НММА]], [[Участник:Mest|Л.М. Местецкий]], ауд. 607</small>
| <small>С/С [[vetrovsem|БММО]], [[Участник:Dmitry Vetrov|Д.П. Ветров]], ауд. 510<br>С/К [[Непрерывные морфологические модели и алгоритмы (курс лекций, Л.М. Местецкий)|НММА]], [[Участник:Mest|Л.М. Местецкий]], ауд. 607</small>
-
| <small>С/К [[Извлечение информации из изображений (курс лекций, И.Б. Гуревич)|ИИИ]], И.Б. Гуревич, ауд. 607</small>
+
| <small>С/К [[Извлечение информации из изображений (курс лекций, И.Б. Гуревич)|ИИИ]], И.Б. Гуревич, ауд. 607<br>С/К [[Partitions-cf|ЛСМРПАД]], О.В. Сенько, ауд. 653</small>
| <small>С/С [[Теория надёжности обучения по прецедентам (курс лекций, К. В. Воронцов)|ПОСАКРП]], [[Участник:Vokov|К.В. Воронцов]], ауд. 526б</small>
| <small>С/С [[Теория надёжности обучения по прецедентам (курс лекций, К. В. Воронцов)|ПОСАКРП]], [[Участник:Vokov|К.В. Воронцов]], ауд. 526б</small>
|-
|-
Строка 79: Строка 79:
|
|
|<!-- ЗДЕСЬ ПЕРЕЧИСЛЯЮТСЯ СПЕЦКУРСЫ ТЕКУЩЕГО СЕМЕСТРА -->
|<!-- ЗДЕСЬ ПЕРЕЧИСЛЯЮТСЯ СПЕЦКУРСЫ ТЕКУЩЕГО СЕМЕСТРА -->
 +
{{Курс|Режим = {{{1}}}|Название =
 +
'''[[Логико-статистические модели в распознавании, прогнозировании и интеллектуальном анализе данных (курс лекций, О.В. Сенько)|Логико-статистические модели в распознавании, прогнозировании и интеллектуальном анализе данных]]''', [[Участник:Сенько Олег|О.В. Сенько]], проходит по четвергам в ауд. 653, начало в 18-00.
 +
|Описание =
 +
Рассматриваются методы интеллектуального анализа данных, основанные на выделении в многомерном пространстве прогностических переменных областей, в которых значения прогнозируемой переменной достоверно отличаются от средних значений по всей выборке. Верификация выявленных закономерностей проводится с помощью рандомизированных перестановочных тестов. Приводятся примеры использования рассматриваемых методов при решении разнообразных прикладных задач.
 +
}}
{{Курс|Режим = {{{1}}}|Название =
{{Курс|Режим = {{{1}}}|Название =
'''[[Бммо|Байесовские методы машинного обучения]]''', [[Участник:Dmitry Vetrov|Д.П. Ветров]], [[Участник:Kropotov|Д.А. Кропотов]], проходит по средам в ауд. 510, начало в 16-20.
'''[[Бммо|Байесовские методы машинного обучения]]''', [[Участник:Dmitry Vetrov|Д.П. Ветров]], [[Участник:Kropotov|Д.А. Кропотов]], проходит по средам в ауд. 510, начало в 16-20.
Строка 143: Строка 148:
|Описание =
|Описание =
Данный курс рассчитан на будущих специалистов в области математики и информатики. На примере биоинформатики иллюстрируется, как математик мог бы вникать в специфику предметной области, чтобы суметь успешно приспособить известные ему методы для решения прикладных и исследовательских задач.
Данный курс рассчитан на будущих специалистов в области математики и информатики. На примере биоинформатики иллюстрируется, как математик мог бы вникать в специфику предметной области, чтобы суметь успешно приспособить известные ему методы для решения прикладных и исследовательских задач.
-
}}
 
-
{{Курс|Режим = {{{1}}}|Название =
 
-
'''[[Логико-статистические модели в распознавании, прогнозировании и интеллектуальном анализе данных (курс лекций, О.В. Сенько)|Логико-статистические модели в распознавании, прогнозировании и интеллектуальном анализе данных]], [[Участник:Сенько Олег|О.В. Сенько]].
 
-
|Описание =
 
-
Рассматриваются методы интеллектуального анализа данных, основанные на выделении в многомерном пространстве прогностических переменных областей, в которых значения прогнозируемой переменной достоверно отличаются от средних значений по всей выборке. Верификация выявленных закономерностей проводится с помощью рандомизированных перестановочных тестов. Приводятся примеры использования рассматриваемых методов при решении разнообразных прикладных задач.
 
}}
}}
<!-- КОНЕЦ ПЕРЕЧИСЛЕНИЯ ОСТАЛЬНЫХ СПЕЦКУРСОВ-->
<!-- КОНЕЦ ПЕРЕЧИСЛЕНИЯ ОСТАЛЬНЫХ СПЕЦКУРСОВ-->

Версия 18:49, 28 октября 2011

 
   
Кафедральные курсы
Спецкурсы/спецсеминары
Новости
Расписание
Учебный план
Персональный состав
Материалы
Дипломные работы
Просеминар
  Тел. +7-495-939-4202
e-mail: Изображение:MMP_email.jpg
Ученый секретарь: Д.П. Ветров
Все контакты

Содержание

Расписание спецкурсов и спецсеминаров в осеннем семестре 2011/2012 уч.г.

Пара Понедельник Вторник Среда Четверг Пятница
8:45 – 10:20
10:30 – 12:05
12:15 – 13:50
14:35 – 16:10 C/К ОСАМ, Ф.Ф. Дедус, ауд. 507
С/К ВЗМБ, С.А. Махортых, ауд. 507
16:20 – 17:55 C/К ОСАМ, Ф.Ф. Дедус, ауд. 507
С/К ВЗМБ, С.А. Махортых, ауд. 507
С/К ЛАНР, Е.В. Дюкова, ауд. 645
С/К ИВКЛ, С.И. Гуров, ауд. 607 С/К БММО, Д.П. Ветров, ауд. 510
C/C АДМП, А.И. Майсурадзе, ауд. 582
18:05 – 19:40 С/К НМАДК, В.В. Рязанов, ауд. 510 С/С БММО, Д.П. Ветров, ауд. 510
С/К НММА, Л.М. Местецкий, ауд. 607
С/К ИИИ, И.Б. Гуревич, ауд. 607
С/К ЛСМРПАД, О.В. Сенько, ауд. 653
С/С ПОСАКРП, К.В. Воронцов, ауд. 526б
20:00 – 21:30 С/С АОИПИ, И.Б. Гуревич, ауд. 607

Расписание основных занятий

Спецкурсы

  • Логико-статистические модели в распознавании, прогнозировании и интеллектуальном анализе данных, О.В. Сенько, проходит по четвергам в ауд. 653, начало в 18-00.
    Рассматриваются методы интеллектуального анализа данных, основанные на выделении в многомерном пространстве прогностических переменных областей, в которых значения прогнозируемой переменной достоверно отличаются от средних значений по всей выборке. Верификация выявленных закономерностей проводится с помощью рандомизированных перестановочных тестов. Приводятся примеры использования рассматриваемых методов при решении разнообразных прикладных задач.
  • Байесовские методы машинного обучения, Д.П. Ветров, Д.А. Кропотов, проходит по средам в ауд. 510, начало в 16-20.
    В спецкурсе рассматривается применение байесовских методов к нескольким классическим задачам машинного обучения, позволяющих, в частности, автоматически решать задачи выбора модели и получать решающие правила, обладающие желаемыми свойствами. Спецкурс поддерживается практическими заданиями.
  • Исчисления высказываний классической логики, С.И. Гуров, проходит по вторникам в ауд. 607, начало в 16-20, первое занятие состоится 4 октября.
    В спецкурсе рассматриваются основные понятия пропозициональной логики. Даются методы характеризации формул алгебры логики, в частности, метод резолюций и метод семантических таблиц. Изучаются логические исчисления гильбертовского и генценовского типов и общие свойства формальных теорий. Рассматриваются свойства метатеории логических исчислений: корректность и непротиворечивость, семантическая полнота, полнота по Посту, разрешимость и независимость. Спецкурс поддерживается практическими занятиями.
  • Основы обобщенного спектрально-аналитического метода и его приложения, Ф.Ф. Дедус, А.Н. Панкратов, Р.К. Тетуев, проходит один раз в две недели по понедельникам в ауд. 507, начало в 14-35.
    Обобщенный спектрально-аналитический метод (ОСАМ) является комбинированным численно-аналитическим методом, в котором сочетаются сильные стороны числовых расчетов и аналитических преобразований. Основными математическими объектами метода являются семейства аналитических ортогональных функций, зависящие от параметров и позволяющие проводить адаптивную аналитическую аппроксимацию произвольных функций. В курсе подробно изучаются системы классических ортогональных многочленов непрерывного аргумента (Чебышева, Лежандра, Якоби, Лагерра, Эрмита) и ортогональные многочлены дискретного аргумента (Чебышева, Хана, Майкснера, Кравчука и Шарлье).
  • Вычислительные задачи математической биологии, С.А. Махортых, А.Н. Панкратов, проходит один раз в две недели по понедельникам в ауд. 507, начало в 14-35.
    В спецкурсе рассматриваются дополнительные вопросы обобщенного спектрально-аналитического метода (ОСАМ) и его приложения к задачам распознавания в биоинформатике, связанным с аналитическим описанием и анализом, как текстовых последовательностей, так и пространственных структур биологических макромолекул.
  • Нестатистические методы анализа данных и классификации, В.В. Рязанов, проходит по вторникам в ауд. 510, начало в 18-00.
    В спецкурсе будут рассмотрены проблемы и методы кластерного анализа (подходы и алгоритмы кластеризации с известным и неизвестным числом кластеров, критерии кластеризации, вопросы устойчивости, построение оптимальных коллективных решений), новые подходы в регрессионном анализе, поиск зависимостей по прецедентам, практические применения в медицине, бизнесе и технике.
  • Непрерывные морфологические модели и алгоритмы, Л.М. Местецкий, проходит по средам в ауд. 607, начало в 18-00.
    Рассматривается задача анализа формы плоских фигур и связанные с ней приложения в области распознавания изображений, компьютерной графики и геоинформатики. Исследуются вопросы аппроксимации бинарных растровых изображений многоугольными фигурами, представления фигур циркулярными графами, вычисления скелетов, сравнения и преобразования формы на основе циркулярных графов.
  • Логический анализ данных в распознавании, Е.В. Дюкова, проходит по понедельникам в ауд. 645, начало в 16-20.
    Излагаются общие принципы конструирования логических процедур распознавания. Изучаются вопросы эффективного применения комбинаторно-логических методов для синтеза распознающих процедур. Рассматриваются подходы к оценке вычислительной сложности алгоритмов и качества решения прикладных задач.
  • Извлечение информации из изображений, И.Б. Гуревич, проходит по четвергам в ауд. 607, начало в 18-30.
    В спецкурсе представлены постановки и методы решения математических и вычислительных задач, возникающих в связи с анализом и оцениванием информации, представляемой в виде изображений.
  • Структурные методы анализа изображений и сигналов, Д.П. Ветров, Д.А. Кропотов, читается в весеннем семестре.
    В спецкурсе излагаются основы теории графических моделей и их применения для решения неклассических задач обучения и вывода при наличии структурной информации. Спецкурс опирается на применение байесовского аппарата теории вероятностей. В единых терминах излагается ряд методов анализа изображений и сигналов, а также общие подходы к построению эффективных приближенных методов байесовского вывода. Спецкурс поддерживается практическими заданиями.
  • Теория надёжности обучения по прецедентам, К.В. Воронцов.
    Спецкурс знакомит студентов с современным состоянием теории вычислительного обучения, исследующей проблему качества восстановления зависимостей по эмпирическим данным. Подробно рассматривается комбинаторная теория, позволяющая получать точные оценки вероятности переобучения.
  • Метрические методы интеллектуального анализа данных, А.И. Майсурадзе.
    Рассматриваются методы и технологии, применяющиеся в интеллектуальном анализе данных (ИАД, data mining) и базирующиеся на понятиях сходства, близости, аналогии. Идея сходства свойственна человеческому мышлению, это породило целый комплекс подходов для всех фундаментальных задач ИАД, среди которых основное внимание в курсе уделено классификации, восстановлению регрессии, кластеризации, восстановлению пропущенных данных.
  • Задачи распознавания в биоинформатике, К.В. Рудаков, И.Ю. Торшин.
    Данный курс рассчитан на будущих специалистов в области математики и информатики. На примере биоинформатики иллюстрируется, как математик мог бы вникать в специфику предметной области, чтобы суметь успешно приспособить известные ему методы для решения прикладных и исследовательских задач.

Спецсеминары

Ссылки

http://vmk.somee.com — страница со спецкурсами и спецсеминарами факультета ВМК.