Математические методы прогнозирования (кафедра ВМиК МГУ)/Кафедральные курсы

Материал из MachineLearning.

Версия 21:49, 15 сентября 2016 (править) Kropotov (Обсуждение | вклад) (+ ссылка на практикум для 417) ← К предыдущему изменению		Версия 14:09, 29 сентября 2016 (править) (отменить) Kropotov (Обсуждение | вклад) К следующему изменению →
Строка 156:		Строка 156:
	}}		}}
	{{Курс|Режим = {{{1}}}|Название =		{{Курс|Режим = {{{1}}}|Название =
-	'''Глубинное обучение''', [[Участник:Kropotov|Д.А. Кропотов]]	+	'''[[dl|Глубинное обучение]]''', [[Участник:Kropotov|Д.А. Кропотов]]
	|Описание =		|Описание =
	}}		}}

---

Версия 14:09, 29 сентября 2016

		Кафедральные курсы Спецкурсы/спецсеминары Новости	Расписание Учебный план Персональный состав	Материалы Диссертации/дипломные работы Просеминар		Тел. +7-495-939-4202 e-mail: Ученый секретарь: Д.А. Кропотов Все контакты

---

Содержание 1 Третий курс 2 Четвёртый курс 3 Магистры, 1-й год обучения 4 Магистры, 2-й год обучения 5 Архив курсов

Третий курс

• Практикум на ЭВМ, О.В. Красоткина

• 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.

• Обработка и распознавание изображений, Л.М. Местецкий

Четвёртый курс

• Практикум на ЭВМ, А.И. Майсурадзе

• Байесовские методы в машинном обучении, Д.П. Ветров (лекции), Е. Лобачева, Д. Подоприхин (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.

Магистры, 1-й год обучения

• Методы оптимизации в машинном обучении, Д.А. Кропотов (лекции), А.О. Родоманов (семинары)

• Алгоритмы, модели, алгебры, А.Г. Дьяконов

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

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

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

Магистры, 2-й год обучения

• Математические методы классификации, К.В. Рудаков

• Алгоритмика, Л.М. Местецкий

• Глубинное обучение, Д.А. Кропотов

Архив курсов

• Математические основы теории прогнозирования, О.В. Сенько
• Прикладные системы распознавания и прогнозирования, К.В. Рудаков и др.
• Математические методы прогнозирования, А.М. Шурыгин