Математические методы прогнозирования (кафедра ВМиК МГУ)
Материал из MachineLearning.
Заведующий кафедрой — лауреат Ленинской премии, академик РАН, д.ф.-м.н., профессор Юрий Иванович Журавлёв
|
Кафедра была создана в 1997 году. Кафедра готовит специалистов по анализу данных, распознаванию и прогнозированию в технике, экономике, социологии, биологии и т. п. с использованием современных математических методов, программных и компьютерных систем. В процессе обучения студенты получают фундаментальное образование в таких областях математики, как современная алгебра, математическая логика, дискретная и комбинаторная математика, математическое моделирование, диагностика сложных систем, интеллектуальный анализ данных, машинное обучение, прогнозирование, прикладная статистика, математические модели искусственного интеллекта, распознавание образов, обработка и анализ изображений. В рамках специального практикума студенты получают навыки работы с современными базами данных и знаний, овладевают современными языками и методами программирования, приобретают опыт решения прикладных задач. Кафедра готовит научных работников, преподавателей колледжей и высшей школы, специалистов по разработке и применению математических методов для решения таких задач, как, например, прогнозирование месторождений полезных ископаемых, землетрясений, свойств химических соединений, техногенных и социальных катастроф и кризисов, развития экономических и политических ситуаций, и т. п.
В 2001 году был создан филиал кафедры на базе Института математических проблем биологии РАН в г. Пущино, в котором студенты старших курсов участвуют в решении фундаментальных и прикладных проблем в области биоинформатики.
Производственную практику студенты проходят в научно-исследовательских институтах РАН, участвуя, в том числе, в работах по грантам РФФИ, и компаниях, специализирующихся в анализе данных и машинном обучении (например, в компании Форексис). Многие студенты, имеющие склонность к научной деятельности, получают первые самостоятельные результаты уже к четвертому-пятому году обучения, публикуются в научных журналах и после получения диплома продолжают обучение в аспирантуре кафедры.
Развёрнутая цитата одним абзацем== Доска объявлений ==
- Кафедра Математических методов прогнозирования
Спецкурс (продолжение)
- "Логический анализ данных в распознавании"
читает д.ф.-м.н. Е. В. Дюкова. Первая лекция состоится 1 марта (понедельник) в 16:20 ауд. 637
- Будет продолжено изучение вопросов эффективного применения комбинаторно-логических методов для синтеза распознающих процедур. Будет рассмотрены подходы к оценке вычислительной сложности алгоритмов и качества решения прикладных задач.
Первая часть спецкурса была в основном посвящена изложению общих принципов конструирования логических процедур распознавания. По спецкурсу есть учебное пособие (www.ccas.ru/frc), в котором кратко изложены вопросы логического анализа данных в распознавании, рассматриваемые в спецкурсе. Спецкурс рассчитан на студентов 2-5 курсов. Студенты 3-5 курсов приглашаются также на спецсеминар "Логические модели распознавания", проводимый под руководством д.ф.-м.н. Дюковой Е.В.
- Кафедра математических методов прогнозирования Спецсеминар
- "Байесовские методы машинного обучения"
(рук. н.с., к.ф. - м.н. Д.П. Ветров)
- Будет проходить по средам в 18:20 в ауд. 582.
Первое заседание в весеннем семестре состоится 10 февраля. Принять участие в работе спецсеминара приглашаются студенты 2-го курса, желающие распределиться на ММП и участвовать в работе данного спецсеминара на старших курсах.
- Кафедра математических методов прогнозирования
Студенты 517 гр. прослушивают курс «Современные проблемы прикладной информатики» вместе с 1-ым потоком (курс «Суперкомпьютерные вычисления» с практикумом). Начало занятий 1 марта.
- Кафедра математических методов прогнозированияСпецкурс
- «Теория надёжности обучения по прецедентам»
(пятница,16:20–17:55,ауд.606,начиная с 12 февраля) (к.ф.-м.н. Константин Вячеславович Воронцов) vokov@forecsys.ru, http://www.ccas.ru/voron
- Спецкурс знакомит студентов с современным состоянием теории вычислительного обучения (computational learning theory, COLT), исследующей проблему качества восстановления зависимостей по эмпирическим данным. Родоначальниками этой теории были советские математики В. Н. Вапник и А. Я. Червоненкис. В 80-е годы эта теория получила широкую мировую известность, и в настоящее время развивается очень активно, главным образом, за рубежом. Один из основных вопросов COLT — как количественно оценить способность алгоритмов классификации и прогнозирования обобщать эмпирические факты. В каких случаях можно утверждать, что общие закономерности, выявленные по частным прецедентам, не окажутся «кажущимися», «предрассудками»? Как избежать переобучения — ситуации, когда ответы алгоритма слишком точны на обучающей выборке, но недостаточно точны на новых данных, которые не были известны в момент обучения? Как управлять обобщающей способностью алгоритма на стадии его построения? Эти и другие смежные вопросы рассматриваются в данном спецкурсе.
В этом семестре:
- Слабая вероятностная аксиоматика, задачи эмпирического предсказания и проверки гипотез.
- Точные комбинаторные оценки вероятности переобучения модельных семейств алгоритмов.
- Профиль компактности выборки и отбор опорных объектов в методе ближайшего соседа.
- Профиль монотонности выборки и монотонные корректирующие операции.
- Современные теории обобщающей способности: радемахеровская и гауссовская сложность; PAC-байесовская теория стохастических классификаторов, shell-оценки Лангфорда.
На спецсеминарах (пятница, 1805–1930, ауд.606, начиная с 12 февраля) будут обсуждаться дипломные и курсовые работы студентов, открытые проблемы теории вычислительного обучения, прикладные задачи интеллектуального анализа данных (классификации, прогнозирования, поиска закономерностей), в том числе на основе реальных проектов компании Forecsys:
- Задачи кредитного скоринга, предсказания оттока клиентов, медицинской диагностики.
- Распределенная система «Полигон алгоритмов классификации».
- Задачи анализа клиентских сред и коллаборативной фильтрации.
- Задачи прогнозирования объёмов продаж в сетях супермаркетов.
Дополнительная информация: www.machinelearning.ru/wiki, страницы «Участник:Vokov» и «Теория надёжности обучения по прецедентам (курс лекций, К.В.Воронцов)»
Кафедральные курсы
Для студентов 3 курса
- Математические методы распознавания образов, К. В. Воронцов
- Спецкурс Теория надёжности обучения по прецедентам, К. В. Воронцов
- Прикладная алгебра (часть I), А. Г. Дьяконов
- Алгоритмы, модели, алгебры, А. Г. Дьяконов
- Спецкурс Байесовские методы машинного обучения, Д. П. Ветров
Для студентов 4 курса
- Практикум, А. И. Майсурадзе
- Спецкурс Структурные методы анализа изображений и сигналов, Д. П. Ветров
Для студентов 5 курса
Спецсеминары кафедры
- Алгебрологические методы в задачах классификации и прогнозирования академик РАН, д.ф.-м.н., профессор Юрий Иванович Журавлёв
- Проблемно-ориентированные схемы распознавания, чл.-корр. РАН, проф. Рудаков Константин Владимирович, доц., к.ф.-м.н. Чехович Юрий Викторович
- Проблемы обобщающей способности алгоритмов классификации, регрессии и прогнозирования доц., к.ф.-м.н. Воронцов Константин Вячеславович
- Байесовские методы машинного обучения н.с., к.ф.-м.н. Ветров Дмитрий Петрович
- Анализ и оценивание информации представленной в виде изображений доц., к.ф.-м.н. Гуревич И. Б.,
- Новые методы в распознавании образов и прогнозировании доц., к.ф.-м.н. Гуров С. И.,
- Спектральные методы в задачах математической биологии проф., д.т. н. Дедус Ф. Ф.,
- Вычислительные задачи математической биологии и биофизики доц., к.ф.-м.н. Махортых С. А., доц., к.ф.-м.н. Панкратов А. Н.
- Алгебра над алгоритмами и эвристический поиск закономерностей доц., д.ф.-м.н Дьяконов Александр Геннадьевич
- Логические модели распознавания доц., д.ф.-м.н. Дюкова Е. В.
- Комбинаторные основы теории информации проф., д.ф.-м.н. Леонтьев В. К.
- Анализ данных в метрических пространствах доц., к.ф.-м.н. Майсурадзе Арчил Ивериевич
- Дискретно-непрерывные преобразования изображений в задачах распознавания проф., д.т. н. Местецкий Л. М.,
- Практические алгоритмы и системы распознавания и классификации доц., д.ф.-м.н. Рязанов В. В.,
- Стохастические методы прогнозирования вед.н.с., д.т. н. Шурыгин А. М.
Преподаватели
- Ветров Дмитрий Петрович, к.ф.-м.н.
- Воронцов Константин Вячеславович, к.ф.-м.н.
- Гуревич Игорь Борисович, к.ф.-м.н.
- Гуров Сергей Исаевич, к.ф.-м.н.
- Дедус Флоренц Фёдорович, профессор
- Дьяконов Александр Геннадьевич, д.ф.-м.н.
- Дюкова Елена Всеволодовна, д.ф.-м.н.
- Журавлёв Юрий Иванович, академик РАН, зав.каф.
- Леонтьев Владимир Константинович, д.ф.-м.н., профессор
- Майсурадзе Арчил Ивериевич, к.ф.-м.н.
- Махортых Сергей Александрович, к.ф.-м.н.
- Местецкий Леонид Моисеевич, д.т. н., профессор
- Панкратов Антон Николаевич, к.ф.-м.н.
- Рудаков Константин Владимирович, член-корреспондент РАН
- Рязанов Владимир Васильевич, д.ф.-м.н., академик РАЕН
- Чехович Юрий Викторович, к.ф.-м.н.
- Шурыгин Александр Михайлович, д.т. н.
Ссылки
- http://cs.msu.su — страница кафедры на сайте факультета ВМК.
- Неофициальный сайт ММП (в настоящее время не обновляется).
- Интеллектуальные системы (кафедра МФТИ) — родственная кафедра на Физтехе.