Математические методы прогнозирования (кафедра ВМиК МГУ)/Учебный план

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: О.А. Кравцова
Все контакты

Содержание

Образовательный стандарт по направлению подготовки «Прикладная математика и информатика»

Бакалавриат (3-й и 4-й курсы)

Дисциплина Курссеместр
35  36  47  48
Экономика Э
Межфакультетские курсы Н Н
Лингвистическая культура (англ.яз.) Н
Основы кибернетики Э
Статистическая физика Э
Практикум на ЭВМ Д Д Д
Численные методы Э
Уравнения математической физики Э
Базы данных Н
Суперкомпьютеры и параллельная обработка данных Н
Компьютерная графика Н
Функциональный анализ Н
Методы оптимизации Б Э
Доп. главы дискретной математики и кибернетики Э
Случайные процессы Н
Математические модели в экономике Н
Пакеты прикладных программ Н
Вероятностные модели Н
Оптимальное управление Н Д
Теория игр и исследование операций Э
Спецсеминар Н Н Н
Курсовая работа О
Прикладная алгебра Э Э
Математические методы распознавания образов Э Э
Дискретная оптимизация Н
Обработка и распознавание изображений Э
Байесовские методы машинного обучения Э
Прикладной статистический анализ данных Э
Нейробайесовские методы Э
Спецкурс по выбору студента Э
Преддипломная практика О
Выпускная квалификационная работа бакалавра О
Государственный экзамен О
Всего
Всего зачетов 6 8 7 3
Всего экзаменов 5 5 5 2
  • Э – экзамен
  • Д – дифференцированный зачет
  • Н – недифференцированный зачет
  • О – оценка
  • Б – без отчётности

Магистерская программа (5-й и 6-й курсы)

Дисциплина Годсеместр
11  12  23  24
Иностранный язык Н Э
Правоведение Э
Современная философия и методология науки Э
Русский язык и культура речи Э
Суперкомпьютерное моделирование и технологии Э
Межфакультетские курсы Н Н
История и методология прикладной математики и информатики Н
Прикладные задачи анализа данных Э
Методы оптимизации в машинном обучении Э
Математические методы анализа текстов Э
Логические и комбинаторные методы анализа данных Э
Глубинное обучение (на англ.яз.) Э
Алгоритмика Н
Математические методы классификации Э Э
Обучение с подкреплением Э
Спецкурс по выбору студента Э Э Н
Научно-исследовательская работа О
Государственный экзамен О
Выпускная квалификационная работа магистра О
Всего
Всего зачетов 3 1 2 1
Всего экзаменов 4 5 5 1
  • Э – экзамен
  • Н – недифференцированный зачет
  • О – оценка
Личные инструменты