Математические методы прогнозирования (кафедра ВМиК МГУ)

Материал из MachineLearning.

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

05.04.2018 г.: Добавлено расписание выпускных мероприятий.

02.04.2018 г.: Внимание студентов 2-го курса! 9 апреля (понедельник) в 16:30 в 685 ауд. желающие второкурсники приглашаются послушать лекцию профессора кафедры ММП Дьяконова Александра «Анализ данных, Большие данные, Машинное обучение» про основную специализацию кафедры.

26.03.2018 г.: Внимание студентов 2-го курса! Для получения рекомендации на кафедру ММП под научное руководство А.Г.Дьяконова необходимо пройти процесс отбора. Для этого надо связаться с потенциальным научным руководителем по почте (тема письма "ВМК 2 курс", в письме обязательно достаточно полно рассказать о себе).

09.03.2018 г.: Внимание студентов 2-го курса! Для получения рекомендации на кафедру ММП под научное руководство Кропотова Д.А. необходимо пройти процесс отбора в группу Байесовских методов. Подробности здесь. Срок сдачи реферата: 12 апреля, 23:59.



Все новости

Объявления о курсах

Спецкурсы и спецсеминары в весеннем семестре 2017/2018 уч.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 18-15. 25 апреля (среда) на спецсеминаре состоится доклад И. С. Балашова Исследование структуры микробиоты в динамике и ее роли в развитии преждевременных родов. Проблематика изучения микроботы человека обусловлена как сложностью взаимоотношений макро- и микроорганизмов, так и отсутствием в полной мере понимания механизмов этих взаимоотношений. В настоящий момент существует ряд методов изучения структуры микробиома для клинической практики, однако анализ этих данных по-прежнему представляет собой нетривиальную задачу в том числе по причине малого количества данных и высокой вариабельности объекта исследования. В докладе будет рассмотрена практическая задача оценки влияния структуры микробиоты и ее динамики на вероятность развития преждевременных родов, проведен поиск сообществ, предложен ряд решений по визуализации данных. На спецсеминаре состоится доклад Г. В. Кормакова Сбоеустойчивые обратимые схемы Важнейшей проблемой как классических вычислений, так и обратимых, по сей день остаётся проблема сбоеустойчивости соответствующих схем. Для наиболее важных элементов схемы создавалась так называемая схемная избыточность, что обеспечивало обнаружение ошибки. В тоже время актуальной стала диагностика сбоев контролем чётности. В докладе будет рассмотрено понятие сбоеустойчивости, описаны основные модели тестирования схем, методы синтеза сбоеустойчивых обратимых схем, способы диагностирования сбоев и сбоеустойчивое кодирование в пространстве Хэмминга.

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 18-15. 18 апреля (среда) на спецсеминаре состоится доклад А. Н. Шестаковой Обработка и анализ сигналов, полученных при обследовании тактильным механорецептором. Механорецептор - система, состоящая из эластичной воспринимающей внешнее давление мембраны, прикрывающей одинаковые по объему полости, которые изменяются при контакте с «ощупываемым» объектом. Он применяется для получения тактильной информации в эндоскопической хирургии, когда врач не может сам "потрогать" ткань или орган. В докладе будут рассмотрены обработка и распознавание тактильных сигналов, на примере исследований с использованием тактильного механорецептора, разработанного в МГУ им. М. В. Ломоносова. На спецсеминаре состоится доклад С. И. Гурова Обратимые вычисления: краткое введение в проблему. Интерес к обратимым вычислениям и реализующим их схемам из обратимых элементов возник в начале 1960-х г., когда был открыт эффект Неймана-Ландауэра: в любой вычислительной системе, независимо от её физической реализации, при потере одного бита информации выделяется теплота в количестве не менее Дж. В докладе будет кратко рассмотрена проблематика обратимой схемотехники.

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 18-15. 11 апреля (среда) на спецсеминаре состоится доклад А. И. Андрейцева Комбинаторный подход в распознавании рукописных цифр. В докладе будут рассмотрены методы распознавания рукописных цифр на основе построения кривых Фримена и неявных полиномов по оцифрованным матрицам. На спецсеминаре состоится доклад Н. Е. Юдина Непрямое управление динамическимобъектом. В докладе будет рассмотрено построение в рамках полидисциплинарного направления человеко-компьютерного взаимодействия (HCI, human–computerinteraction) системы манипулирования объектом с помощью жестов руки. Непосредственно в задаче распознавания жестов руки были рассмотрены признаки, построенные на гистограммах направлений градиентов и дефектов выпуклой оболочки руки, а также признаки, полученные с помощью свёрточной нейронной сети.

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 18-15. 4 апреля (среда) на спецсеминаре состоится доклад Т. А. Камалбекова Методы комбинирования функций сходства. В метрических алгоритмах машинного обучения центральным объектом является функция сходства. Задача Metric Learning состоит в предобучении данной функции по размеченным признаковым описаниям. Если же «хорошие» функции расстояния, использующие особенности предметной области, нам даны извне, то можно поставить задачу составления новой функции расстояния, являющейся комбинацией заданных. Эта задача называется Metric Extraction. Одним из самых распространённых способов верификации документа является подпись. Но, несмотря на распространённость, визуально сложно отличить настоящую подпись от подделки. Поэтому встаёт задача автоматического распознавания подписи. В своём докладе я расскажу о решении данной задачи с помощью приёмов Metric Learning и Metric Extraction. На спецсеминаре состоится доклад А. А. Цыпина Стоимость преобразования для сравнения объектов. Распознавание и информационный поиск часто опираются на попарное сравнение объектов. Одной из базовых идей такого сравнения является оценка стоимости преобразования одного объекта во второй. Соответственно, функция сходства определяется как результат решения задачи оптимизации. Для ускорения часто приходится решать такую задачу приближенно. В докладе такая схема построения функции сходства будет рассмотрена на примере метрики перемещения слов (word mover’s distance), которая сочетает идеи вложения отдельных слов в векторное пространство и оптимального перераспределения смысла слов.

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 18-15. 28 марта (среда) на спецсеминаре состоится доклад В. Д. Козлова Обзор методов сопоставления графов.Во многих современных задачах интеллектуального анализа данных часто возникают ситуации, когда объекты распознавания представляют собой набор взаимодействующих между собой компонентов. Естественным способом моделирования таких данных являются графы, структура которых зависит от конкретной предметной области. Графовое представление объектов применяется в задачах анализа и распознавания изображений, поиска по базам данных изображений и видео, отслеживания объектов в видеопотоке, биометрической идентификации и др. Для решения задач распознавания по таким формальным описаниям необходимо каким-либо образом сравнивать графы между собой. В докладе будут рассмотрены существующие подходы к сравнению графов применительно к задачам анализа данных.

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 18-15. 21 марта (среда) на спецсеминаре состоится доклад А. М. Георгиевской Фотографические биомаркеры старения млекопитающих. В настоящий момент существует целый ряд инвазивных и дорогостоящих биомаркеров старения. Фотографии и видео являются обширным источником информации, их использование для разработки неинвазивных биомаркеров представляется перспективным направлением. Поскольку все лекарства для человека, в том числе геропротекторы (вещества, замедляющие старение), тестируются на модельных организмах млекопитающих, необходимо создание биомаркеров для этих животных, а также тестирование их применимости для человека. В докладе будет проведен обзор применения методов машинного обучения для анализа биологических данных с целью поиска биомаркеров старения. Также будет рассмотрена возможность использовать данные для модельного объекта домовая мышь (mus musculus) для поиска биомаркеров старения человека.

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 18-15. Первое занятие состоится 7 марта (среда) на спецсеминаре состоится доклад С. В. Илларионовой Машинное обучение определения сельскохозяйственных культур по данным ДЗЗ. Одной из широко развивающихся областей приложения методов машинного обучения является анализ земной поверхности из космоса. Базы данных сервисов для космических исследований ежедневно пополняются информацией с различных спутников. Это позволяет обрабатывать и формировать необходимые для обучения классификаторов наборы больших данных. Результаты проводимых исследований в этой области используются как государственными, так и коммерческими организациями и позволяют предсказывать и анализировать процессы, происходящие на Земле. Отдельное внимание уделяется дистанционному зондированию сельскохозяйственных земель для определения произрастающих культур изучаемого региона.

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 18-15. Первое занятие состоится 28 февраля (среда) на спецсеминаре состоится доклад Д. В. Самойлова Основы технологии блокчейна. В докладе будет рассмотрены базовые технологии, лежащие в основе криптовалют и блокчейна в целом. Что такое и как устроены криптовалюты? Какие технологии лежат в основе блокчейн? Какие криптографические алгоритмы используются? Что такое консенсус алгоритмы? Как работают смартконтракты? Каковы основные направления развития технологий блокчейна? Вопросы к докладчику приветствуются.

Задачи и алгоритмы вычислительной геометрии (Computational Geometry: Problems and Algorithms), Л.М. Местецкий. 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. Спецкурс проходит по пятницам, начало в 18-05, в ауд. 607. Первая лекция состоится 02 марта 2018 (пятница)

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 18-15. Первое занятие состоится 21 февраля (среда) на спецсеминаре состоится доклад к.ф.-м.н., доц. С.И. Гурова Случайные графы: теория и применение. В докладе будет дан обзор основных понятий теории случайных графов и рассмотрены их модели. Излагаются основные понятия вероятностного метода, игры Эренфойхта и др. Описываются применения теории случайных графов к моделированию Интернета.

Вероятностное тематическое моделирование (Probabilistic topic modelling), лектор профессор РАН, д.ф.-м.н. К.В. Воронцов. Тематическое моделирование – это современная область исследований на стыке машинного обучения и компьютерной лингвистики. Тематическая модель определяет, какие те-мы 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 ма-гистрантов, но студентам второго курса тоже всё будет понятно :) 18+ (для студентов, познавших теорвер) Вероятностные тематические модели, К.В. Воронцов Приглашаются магистры. Спецкурс проходит по четвергам, начало в 18-00, в ауд. 606. Первая лекция состоится 15 февраля (четверг).

Методы машинного обучения и поиск закономерностей в данных (Machine learning and search of regularities in data), лектор О.В. Сенько. 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. Спецкурс проходит по четвергам, начало в 18-00, в ауд. 508. Первая лекция состоится 15 февраля (четверг).

Нестатистический анализ данных (Non-statistical methods of data mining and classification), лектор В.В.Рязанов. 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. The aim is to present a special course based on optimization, discrete and heuristic approaches of data mining. The logical models of supervised classification, techniques to optimize models of classification, algorithms for finding hidden logical regularities will be considered. Приглашаются бакалавры. Спецкурс проходит по вторникам, начало в 18-00, в ауд. 508. Первая лекция состоится 27 февраля (вторник).

Логический анализ данных в распознавании, (Logical data analysis in recognition) 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 для бакалавров 2-4 курсов. По спецкурсу издано учебное пособие. Спецкурс проходит по понедельникам в ауд. 682, начало в 16-20. Первое занятие состоится 05 марта (понедельник).

Анализ графов, сетей, функций сходства (Graphs, Network, Distance Function Analysis), А.И. Майсурадзе. 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 проходит по понедельникам в ауд. 612, начало в 16-20. Первое занятие состоится 12 февраля (понедельник).

Аналитический SQL (Analytical SQL), А.И. Майсурадзе. 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. Спецкурс проходит по понедельникам в ауд. 612, начало в 14-35. Первое занятие состоится 12 февраля (понедельник).

Все объявления

Сотрудники

Весь персональный состав

Ссылки
   
Студентам второго курса

Презентация кафедры с ярмарки кафедр 2017 года

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
  • Задачи и алгоритмы вычислительной геометрии (Computational Geometry: Problems and Algorithms), Л.М. Местецкий.
  • Учебно-исследовательский семинар «Интеллектуальный анализ данных: новые задачи и методы», руководители С.И.Гуров, А.И.Майсурадзе
  • Вероятностное тематическое моделирование (Probabilistic topic modelling), лектор профессор РАН, д.ф.-м.н. К.В. Воронцов.
  • Анализ графов, сетей, функций сходства (Graphs, Network, Distance Function Analysis), А.И. Майсурадзе.
  • Аналитический SQL (Analytical SQL), А.И. Майсурадзе.

Все спецкурсы

Спецсеминары в текущем семестре

Все спецсеминары

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