Математические методы прогнозирования (кафедра ВМиК МГУ)/Кафедральные курсы
Материал из MachineLearning.
(Различия между версиями)
(→Магистры, 1-й год обучения) |
|||
Строка 145: | Строка 145: | ||
}} | }} | ||
{{Курс|Режим = {{{1}}}|Название = | {{Курс|Режим = {{{1}}}|Название = | ||
- | '''Современные методы распознавания и синтеза речи''', Воропаев А., Соловьев Д., Полыковский Д. | + | '''[[Современные методы распознавания и синтеза речи (курс лекций)/2018|Современные методы распознавания и синтеза речи]]''', Воропаев А., Соловьев Д., Полыковский Д. |
|Описание = | |Описание = | ||
}} | }} |
Версия 16:58, 31 января 2018
|
|
| Тел. +7-495-939-4202 e-mail: Ученый секретарь: Д.А. Кропотов Все контакты |
Содержание |
Третий курс
- Практикум на ЭВМ, Д.А. Кропотов, А. Попов
- 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.
Четвёртый курс
- Байесовские методы в машинном обучении, Д.П. Ветров (лекции), К. Струминский, Т. Гарипов (семинары)
- Нейробайесовские методы, Д.П. Ветров
Магистры, 1-й год обучения
- Методы оптимизации в машинном обучении, Д.А. Кропотов (лекции), А.О. Родоманов (семинары)
- Компьютерные методы обработки сигналов (на английском языке), О.В. Красоткина
- Математические методы анализа текстов, В.В. Китов, М. Апишев
- Современные методы распознавания и синтеза речи, Воропаев А., Соловьев Д., Полыковский Д.
Магистры, 2-й год обучения
- Математические методы классификации, К.В. Рудаков
- Алгоритмика, Л.М. Местецкий
Архив курсов
- Прикладной статистический анализ данных, Е.А. Рябенко, П. Швечиков, М. Хальман
- 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.
- Математические основы теории прогнозирования, О.В. Сенько
- Прикладные системы распознавания и прогнозирования, К.В. Рудаков и др.
- Математические методы прогнозирования, А.М. Шурыгин