Математические методы прогнозирования (кафедра ВМиК МГУ)

Кафедра Математических методов прогнозирования ВМК МГУ создана в 1997 году. Организатор и заведующий кафедрой — лауреат Ленинской премии, академик РАН Юрий Иванович Журавлев. Кафедра готовит специалистов в области распознавания образов, машинного обучения, интеллектуального анализа данных, биоинформатики, анализа изображений и др. Подробнее

06.02.2018 г.: Добавлено расписание занятий на весенний семестр.

12.12.2018 г.: Поздравляем студентов кафедры ММП Павла Мазаева и Виктора Януша, занявших 1 и 3 места в соревновании Gazprom Neft SmartOil Contest.

Все новости

Спецкурсы и спецсеминары в весеннем семестре 2018/2019 уч.г.

27.02.2019 г.: Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы», руководители С.И.Гуров, А.И.Майсурадзе Спецсеминар проходит по средам в ауд. 704, начало в 18-05. 04 марта (понедельник) на спецсеминаре состоится доклад И. С. Балашова (ВВО, 3 курс) "Исследование микробиома во время беременности методами теории графов". Известно, что микроорганизмы, обитающие в различных локусах организма, взаимодействуют друг с другом и образуют сообщества, называемые микробиомом, а совокупность этих микроорганизмов называется микробиотой. Для ряда заболеваний показано, что микробиота является фактором риска развития определенных заболеваний. Данные о составе микробиоты можно представить в виде графа, а затем исследовать особенности этого графа в норме и при патологии. В работе будут представлены особенности предметной области и их влияние на выбор методов описания и анализа данных, представлены базовые модели, описывающие микробиом.

• 27.02.2019 г.: Логический анализ данных в распознавании, (Logical data analysis in recognition) лектор Е.В. Дюкова, проходит по понедельникам в ауд. 645, начало в 16-20. Первое занятие 25 февраля.

  В спецкурсе будут изложены общие принципы, лежащие в основе дискретных методов анализа информации в задачах распознавания, классификации и прогнозирования. Будут рассмотрены подходы к конструированию процедур распознавания на основе использования аппарата логических функций и методов построения покрытий булевых и целочисленных матриц. Будут изучены основные модели и рассмотрены вопросы, связанные с исследованием сложности их реализации и качества решения прикладных задач. Спецкурс для бакалавров 2-4 курсов. По спецкурсу издано учебное пособие.

• 27.02.2019 г.: Вероятностное тематическое моделирование (Probabilistic topic modelling), лектор профессор РАН, д.ф.-м.н. К.В. Воронцов, проходит по четвергам в ауд. 510, начало в 18-05. Первое занятие 14 февраля.

  Тематическое моделирование – это современная область исследований на стыке машинного обучения и компьютерной лингвистики. Тематическая модель определяет, какие темы содержатся в большой текстовой коллекции, и к каким темам относится каждый документ. Тематические модели позволяют искать тексты по смыслу, а не по ключевым словам, и создавать информационно-поисковые сервисы нового типа для систематизации знаний. В спецкурсе рассматриваются тематические модели для классификации, категоризации, сегментации, суммаризации текстов естественного языка, а также для рекомендательных систем, анализа банковских транзакционных данных и биомедицинских сигналов. Из математики нам понадобится теория вероятностей, методы оптимизации, матричные разложения. Для любителей программирования имеется возможность поучаствовать в проекте с открытым кодом BigARTM.org. Для особо увлечённых – дополнительные семинары по вечерам в офисе Яндекса. Заданиями по курсу будет решение задач из реальной жизни, у которых нет правильного ответа в конце учебника. Спецкурс для магистрантов, но студентам второго курса тоже всё будет понятно :) 18+ (для студентов, познавших теорвер).

• 27.02.2019 г.: Задачи и алгоритмы вычислительной геометрии (Computational Geometry: Problems and Algorithms), Л.М. Местецкий, проходит по пятницам в ауд. 607, начало в 18-05. Первое занятие 15 февраля.

  Эффективные алгоритмы работы с геометрической информацией являются непременным атрибутом всех современных систем машинного зрения, анализа и распознавания изображений, компьютерной графики и геоинформатики. Геометрические алгоритмы предоставляют хорошее поле для развития алгоритмического мышления, необходимого в прикладной математике. В первой части спецкурса будут рассмотрены классические темы вычислительной геометрии: геометрический поиск, выпуклые оболочки, пересечение и близость объектов, диаграммы Вороного, триангуляции Делоне. Вторая часть курса посвящена скелетам, обобщениям диаграмм Вороного для многоугольников и задачам медиального анализа формы изображений. Приглашаются бакалавры.

• 27.02.2019 г.: Методы машинного обучения и поиск закономерностей в данных (Machine learning and search of regularities in data), лектор О.В. Сенько, проходит по четвергам в ауд. 507, начало в 18-05. Первое занятие 14 февраля.

  В курсе обсуждаются основные проблемы, возникающие при использовании методов обучения по прецедентам (машинного обучения). Даётся краткий обзор существующих методов распознавания и регрессионного анализа. Рассказывается о способах оценки точности на генеральной совокупности (обобщающей способности). Обсуждаются различные способы повышения обобщающей способности методов машинного обучения. Приглашаются бакалавры.

• 27.02.2019 г.: Анализ графов, сетей, функций сходства (Graphs, Network, Distance Function Analysis), А.И. Майсурадзе, проходит по понедельникам в ауд. 582, начало в 16-20. Первое занятие 18 февраля.

  Рассматриваются задачи и методы анализа систем, описание которых базируется на попарном или множественном взаимодействии объектов. Эти объекты могут быть однотипными или разнотипными. Когда важно само наличие или отсутствие взаимодействия, формализация проводится на языке теории графов. Расширении графового описания количественными характеристиками приводит к сетям. Если же считается, что каждый набор объектов может быть численно охарактеризован, говорят о расстояниях или сходствах. Представлена теоретическая основа для формализации задач и построения, реализации и анализа широкого спектра моделей и методов ИАД. Исследуются эвристические модели данных, описывающие исходную информацию об объектах распознавания на основе различных реализаций понятия сходства. Рассматриваются задачи, требующие решения при реализации указанных моделей. Изучаются специальные структуры данных и алгоритмы, позволяющие эффективно настраивать и использовать изучаемые модели. Идея сходства свойственна человеческому мышлению, это породило целый комплекс подходов для всех фундаментальных задач ИАД — так называемые метрические методы. Рассмотрены методы построения и вычисления функций сходства, согласование сходства на различных множествах объектов, синтез новых способов сравнения объектов на базе уже имеющихся. Рассмотрен комплекс приёмов, предназначенный для эффективного представления и обработки метрической информации вычислительными системами. Рассматриваются характеристики графов, активно используемые при их анализе. Изучаются алгоритмы на графах — как теоретически, так и с точки зрения эффективной реализации. Различные модели роста графов. Построение репрезентативных выборок на графах. Генерация графов с заданными характеристиками. Существенное внимание в курсе уделено многочисленным формализациям кластерного анализа. Показано, какие задачи решают распространённые методы. Проведена типологизация широкого спектра задач кластеризации для гомогенных и гетерогенных систем (бикластеризация, кокластеризация). Спецкурс для магистрантов.

• 27.02.2019 г.: Аналитический SQL (Analytical SQL), А.И. Майсурадзе, проходит по понедельникам в ауд. 507, начало в 14-35. Первое занятие 18 февраля.

  В наши дни автоматизация и оптимизация многих видов деятельности невозможна без сбора и последующего анализа больших объёмов информации. При этом со временем стало ясно, что некоторые модели данных особенно удобны для людей - такие модели стали универсальным языком общения с самыми разными технологиями. В этом смысле одним из самых широкоупотребительных языков оказался SQL, и сегодня самые разные технологии (совсем не только реляционные) позволяют его использовать. В курсе на практических примерах будут даваться знания и отрабатываться навыки, которые понадобятся практически любому аналитику при работе с источниками данных. Акцент делается именно на аналитической деятельности: аналитик пользуется системами сбора и хранения данных, но не собирается администрировать их. Занятия предполагают интерактивное выполнение заданий на реальных БД. Спецкурс для бакалавров.

Все объявления

• Ветров Дмитрий Петрович, к.ф.-м.н.
• Воронцов Константин Вячеславович, д.ф.-м.н.
• Гуров Сергей Исаевич, к.ф.-м.н.
• Дьяконов Александр Геннадьевич, д.ф.-м.н.
• Дюкова Елена Всеволодовна, д.ф.-м.н.
• Журавлёв Юрий Иванович, академик РАН — заведующий кафедрой
• Китов Виктор Владимирович, к.ф.-м.н.
• Кропотов Дмитрий Александрович, н.с. — учёный секретарь
• Майсурадзе Арчил Ивериевич, к.ф.-м.н.
• Местецкий Леонид Моисеевич, д.т.н.
• Рудаков Константин Владимирович, академик РАН
• Рязанов Владимир Васильевич, д.ф.-м.н.
• Сенько Олег Валентинович, д.ф.-м.н.

Весь персональный состав

• cs.msu.su — страница кафедры на сайте факультета ВМК.
• Интеллектуальные системы (кафедра МФТИ) — родственная кафедра на Физтехе.
• vmk.somee.com — страница со спецкурсами и спецсеминарами факультета ВМК.
• bayesgroup.ru — англоязычная страница группы Байесовских методов.

Презентация кафедры с ярмарки кафедр 2017 года

Третий курс

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

• Математические методы распознавания образов: лекции (В.В. Китов), семинары (Е.А. Соколов)

• Прикладная алгебра (часть 1), А.Г. Дьяконов.

• Обработка и распознавание изображений, Л.М. Местецкий

Четвёртый курс

• Прикладной статистический анализ данных, О.В. Сенько

• Нейробайесовские методы, Д.П. Ветров

Магистры, 1-й год обучения

• Глубинное обучение, Д.А. Кропотов

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

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

Магистры, 2-й год обучения

• Математические методы классификации, К.В. Рудаков

Все кафедральные курсы

• Логический анализ данных в распознавании, (Logical data analysis in recognition) лектор Е.В. Дюкова, проходит по понедельникам в ауд. 645, начало в 16-20. Первое занятие 25 февраля.

• Вероятностное тематическое моделирование (Probabilistic topic modelling), лектор профессор РАН, д.ф.-м.н. К.В. Воронцов, проходит по четвергам в ауд. 510, начало в 18-05. Первое занятие 14 февраля.

• Задачи и алгоритмы вычислительной геометрии (Computational Geometry: Problems and Algorithms), Л.М. Местецкий, проходит по пятницам в ауд. 607, начало в 18-05. Первое занятие 15 февраля.

• Методы машинного обучения и поиск закономерностей в данных (Machine learning and search of regularities in data), лектор О.В. Сенько, проходит по четвергам в ауд. 507, начало в 18-05. Первое занятие 14 февраля.

• Анализ графов, сетей, функций сходства (Graphs, Network, Distance Function Analysis), А.И. Майсурадзе, проходит по понедельникам в ауд. 582, начало в 16-20. Первое занятие 18 февраля.

• Аналитический SQL (Analytical SQL), А.И. Майсурадзе, проходит по понедельникам в ауд. 507, начало в 14-35. Первое занятие 18 февраля.

Все спецкурсы

• Методы анализа текстов, К.В.Воронцов, проходит по средам в ШАД, ауд. Гарвард, начало в 19-30.

• Байесовские методы машинного обучения, Д.П.Ветров, проходит по пятницам в ИИ центре Самсунг, начало в 19-00. Первый семинар состоится 15 февраля.

Все спецсеминары

Рекомендации

• Научно-исследовательская работа.
• Написание статей, курсовых и дипломных работ.
• Подготовка презентаций.
• Защита дипломной работы.

Файлы

• mmp-fish-kurs — образцы оформления курсовых работ в MS Word и LaTeX.
• Программа вступительного экзамена в аспирантуру по философии.
• Программа вступительного экзамена в аспирантуру по математике (основная часть + дополнение для специальности 01.01.09).
• Программа кандидатского минимума по специальности 01.01.09.

Все материалы