Математические методы прогнозирования (кафедра ВМиК МГУ)

Материал из MachineLearning.

(Перенаправлено с ММП)
Перейти к: навигация, поиск
   
Кафедральные курсы
Спецкурсы/спецсеминары
Новости
Расписание
Учебный план
Персональный состав
Материалы
Диссертации/дипломные работы
Просеминар
  Тел. +7-495-939-4202
e-mail: Изображение:MMP_email.jpg
Ученый секретарь: Д.А. Кропотов
Все контакты
О кафедре

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

Новости


Все новости

Объявления о курсах
  • 26 сентября 2016 года: Начинается чтение спецкурса «Непрерывные морфологические модели и алгоритмы», лектор Л.М. Местецкий. В курсе рассматриваются основы непрерывного подхода к анализу формы объектов в дискретных изображениях. Сюда входит аппроксимация бинарных растровых изображений многоугольными фигурами, представление фигур циркулярными графами, вычисление скелетов, сравнение и преобразование формы на основе циркулярных графов. Будут рассмотрены приложения непрерывных моделей формы в распознавании изображений. Курс проходит по пятницам в ауд. 523, начало в 18-00. Первое занятие состоится 30 сентября.
  • 19 сентября 2016 года: Начинается чтение спецкурса «Методы машинного обучении и поиск достоверных закономерностей в данных», лектор Сенько О.В. В курсе обсуждаются основные проблемы, возникающие при использовании методов обучения по прецедентам (машинного обучения). Обсуждаются способы повышения обобщающей способности – точности прогноза на новых данных. Рассказывается о тесно связанной с задачей машинного обучения задаче поиска закономерностей в данных. Под закономерностью понимается некоторое относительно простое правило, связывающее прогнозируемую величину с другими переменными. Рассказывается о современных методах статистической верификации закономерностей, основанных на перестановочных тестах. Обсуждаются методы распознавания и регрессионного анализа, основанные методы, основанные на вычислении коллективных решений по системам закономерностей. Рассказывается также о различных методах кластерного анализа. Приведены примеры успешно решённых задач диагностики, прогнозирования, интеллектуального анализа данных в различных областях, включая медицину, антропологию, социологию, химию др. Курс проходит по четвергам в ауд. 612, начало в 18-00. Первое занятие состоится 22 сентября.
  • 19 сентября 2016 года: Начинается чтение спецкурса «Нестатистические методы анализа данных и классификации», лектор Рязанов В.В.. Основная цель спецкурса состоит в изложении основанных на оптимизационных, дискретных и эвристических подходах методов анализа данных. Будут рассмотрены логические модели распознавания (классификации с учителем) и анализа разнотипных многомерных данных, методы оптимизации моделей распознавания, алгоритмы поиска скрытых логических закономерностей и связей по признаковым описаниям, методы создания качественных моделей объектов, ситуаций, явлений или процессов. Будут рассмотрены практические численные методы решения данных задач, и их применения в медицине, бизнесе, химии, технике и других областях. Приглашаются студенты 3-6 курсов и аспиранты. Курс проходит по четвергам в ауд. 605, начало в 18-00. Первое занятие состоится 22 сентября.
  • 12 сентября 2016 года: Начинается чтение спецкурса «Восстановление зависимостей в больших массива данных», лектор О.В. Красоткина. Целью данного курса является систематическое изучение распределённых файловых систем (таких, как например, Hadoop) как инструмента для создания параллельных реализаций алгоритмов машинного обучения на больших массивах данных. В ходе курса студенты получат навык использования возможностей модели распределённых вычислений MapReduce для параллельных вычислений над очень большими наборами данных в компьютерных кластерах. В ходе курса рассматриваются параллельные реализации таких основных алгоритмов машинного обучения как регрессия, классификация, кластеризация, коллаборативная фильтрация, распознавание образов в метрических пространствах и т.д. Также в рамках курса студентам будет предложено разработать собственные параллельные реализации алгоритмов восстановления зависимостей. Курс ориентирован на студентов, знакомых с основными концепциями и алгоритмами машинного обучения. Курс проходит по понедельникам в ауд. 523, начало в 18-05. Первое занятие состоится 26 сентября.
  • 12 сентября 2016 года: Начинается чтение спецкурса «Аналитические модели данных и их визуализация», лектор А.И. Майсурадзе. В современном анализе данных принято выделять три уровня задач, методов и соответствующих технологий: сбор и хранение данных, оперативная аналитика и визуализация, интеллектуальный анализ. Обычно бизнес, опирающийся на анализ данных, последовательно проходит все три уровня. Сложные математические модели преобразования информации (машинное обучение) относятся к последнему III уровню. При этом всем сотрудникам компаний, непосредственно занимающимся или поддерживающим аналитическую деятельность, постоянно приходится работать с первыми двумя уровнями. Разумеется, в эру больших данных в первую очередь выросла сложность задач и технологий этих первых двух уровней. Общеизвестным примером является Google Analytics. В данном курсе излагаются теоретические и практические знания, которые понадобятся всем будущим аналитикам, ведь всем им предстоит собирать, хранить, преобразовывать и «разглядывать» данные. Будут рассмотрены основные модели данных – разные способы мыслить и формализовать представление информации в аналитике. В связи с этим будет рассмотрена «аналитическая» часть SQL. В свою очередь, о визуализации будет рассказано одновременно с позиций аналитических целей и моделей данных. Будут рассмотрены системы QlikView и Tableau – «гиганты визуализации», развивающие идеологию OLAP. Будут рассмотрены практики «рассказывания историй по данным» (storytelling with data). Спецкурс проходит по понедельникам в ауд. 612, начало в 16-20. Первое занятие состоится 19 сентября.
  • 12 сентября 2016 года: Начинается чтение спецкурса «Логический анализ данных в распознавании», лектор Е.В.Дюкова. 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 рассчитан на студентов 2-5 курсов. По спецкурсу издано учебное пособие. Спецкурс проходит по понедельникам в ауд. 645, начало в 16-20. Первое занятие состоится 26 сентября (понедельник).

Все объявления

Сотрудники

Весь персональный состав

Ссылки
   
Кафедральные курсы в текущем семестре

Третий курс


Четвёртый курс

Магистры, 1-й год обучения

Магистры, 2-й год обучения


Все кафедральные курсы

Спецкурсы в текущем семестре
  • Непрерывные морфологические модели и алгоритмы (Continuous morphological models and algorithms), Л.М. Местецкий, проходит по пятницам в ауд. 523, начало в 18-00. Первое занятие 30 сентября.
  • Методы машинного обучения и поиск закономерностей в данных, О.В. Сенько, проходит по четвергам в ауд. 612, начало в 18-00. Первое занятие 22 сентября.
  • Аналитические модели данных и их визуализация, А.И. Майсурадзе, проходит по понедельникам в ауд. 612, начало в 16-20. Первое занятие 19 сентября.
  • Методы и технологии машинного обучения, О.В. Сенько, А.И. Майсурадзе, проходит по средам в ауд. 612, начало в 10-30. Первое занятие 7 сентября.
  • Восстановление зависимостей в больших массивах данных, О.В. Красоткина, проходит по понедельникам в ауд. 523, начало в 18-05. Первое занятие 26 сентября.

Все спецкурсы

Спецсеминары в текущем семестре
Материалы

Рекомендации

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


Все подстраницы:

Математические методы прогнозирования (кафедра ВМиК МГУ)/Дипломные работыМатематические методы прогнозирования (кафедра ВМиК МГУ)/Доска объявленийМатематические методы прогнозирования (кафедра ВМиК МГУ)/Кафедральные курсы
Математические методы прогнозирования (кафедра ВМиК МГУ)/МатериалыМатематические методы прогнозирования (кафедра ВМиК МГУ)/Новый дизайнМатематические методы прогнозирования (кафедра ВМиК МГУ)/О кафедре
Математические методы прогнозирования (кафедра ВМиК МГУ)/Персональный составМатематические методы прогнозирования (кафедра ВМиК МГУ)/ПросеминарМатематические методы прогнозирования (кафедра ВМиК МГУ)/Расписание
Математические методы прогнозирования (кафедра ВМиК МГУ)/Спецкурсы-спецсеминарыМатематические методы прогнозирования (кафедра ВМиК МГУ)/Старый дизайнМатематические методы прогнозирования (кафедра ВМиК МГУ)/Учебный план
Личные инструменты