Математические методы прогнозирования (кафедра ВМиК МГУ)/Кафедральные курсы
Материал из MachineLearning.
 |
|
|
| Тел. +7-495-939-4202 e-mail:  Ученый секретарь: Д.П. Ветров Все контакты |
Содержание |
Третий курс
- Математические методы распознавания образов: лекции (К.В. Воронцов), 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.
Четвёртый курс
- Практикум на ЭВМ, А.И.Майсурадзе
- Математические методы классификации, К.В. Рудаков
- Прикладная алгебра (часть 2), С.И. Гуров
- Графические модели, Д.П. Ветров (лекции), А.А. Осокин (семинары)
- Прикладная алгебра (часть 3), В.К. Леонтьев.
- Математические основы теории прогнозирования, О.В. Сенько
- Обзорный курс для студентов 3-го потока ВМК МГУ по основным математическим методам решения задач машинного обучения. Задачей курса также является ознакомление с основными математическими теориями, которые используются при построении алгоритмов распознавания, такими как алгебра, математическая статистика, методы оптимизации, дискретная математика и др.
Пятый курс
- Прикладной статистический анализ данных, К.В. Воронцов
- 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.
Архив курсов
- Прикладные системы распознавания и прогнозирования, К.В. Рудаков и др.
- Математические методы прогнозирования, А.М. Шурыгин
