Математические методы прогнозирования (кафедра ВМиК МГУ)/Кафедральные курсы

Математические методы распознавания образов: лекции (В.В. Китов), семинары (Е.А. Соколов)
Изучаются методы классификации, регрессии, понижения размерности, кластеризации, как классические, так и новые, созданные за последние 10–15 лет. На материал данного курса опираются последующие кафедральные курсы.
Прикладная алгебра (3-й поток), С.И. Гуров, Д.А. Кропотов
Обзорный курс для студентов 3-го потока по основам прикладной алгебры (группы, кольца, поля, частично-упорядоченные множества) и ее приложениям в кодировании и комбинаторике.
Прикладная алгебра (часть 1), А.Г. Дьяконов, Е. Нижибицкий.

Байесовские методы в машинном обучении, Д.П. Ветров (лекции), Д.А. Кропотов, Е.М. Лобачева (семинары)

Прикладная алгебра (часть 2), С.И. Гуров
Графические модели, Д.П. Ветров (лекции), Д.А. Кропотов, М. Хальман (семинары)

Прикладной статистический анализ данных, Е.А. Рябенко
Обзорный курс, охватывающий дисперсионный, корреляционный, регрессионный анализ, анализ временных рядов и прогнозирование, анализ выживаемости, анализ панельных данных, выборочный анализ. Цели курса — связать математическую статистику с практическими приложениями в различных предметных областях, научить студентов правильно применять методы прикладной статистики.

Компьютерные методы обработки сигналов (на английском языке), О.В. Красоткина

Архив курсов

@@ Строка 128: / Строка 128: @@
 }}
 {{Курс|Режим = {{{1}}}|Название =
-'''Компьютерные методы обработки сигналов (на английском языке)''', [[Участник:Krasotkina|О.В. Красоткина]]
+'''[[Digital signal processing (course master's degree program, Moscow State University )|Компьютерные методы обработки сигналов (на английском языке)]]''', [[Участник:Krasotkina|О.В. Красоткина]]
 |Описание =
 }}