Математические методы прогнозирования (кафедра ВМиК МГУ)

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(Доска объявлений кафедры ММП ВМК МГУ --- реализована как подстраница и как шаблон, который редиректится на эту подстраницу.)
(причесал списки сурсов, спецкурсов, семинаров, но надо ещё причёсывать, вставлять комментарии)
Строка 14: Строка 14:
== Кафедральные курсы ==
== Кафедральные курсы ==
-
=== Для студентов 3 курса ===
+
=== Третий курс ===
-
* [[Машинное обучение (курс лекций, К.В.Воронцов)|Математические методы распознавания образов]], [[Участник:Vokov|{{S|К. В. Воронцов}}]]
+
* '''[[Машинное обучение (курс лекций, К.В.Воронцов)|Математические методы распознавания образов]]''', [[Участник:Vokov|К.В.Воронцов]]
-
* Спецкурс [[Теория надёжности обучения по прецедентам (курс лекций, К.В.Воронцов)|Теория надёжности обучения по прецедентам]], [[Участник:Vokov|{{S|К. В. Воронцов}}]]
+
*: 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 (часть I)]], [[Участник:Dj|{{S|А. Г. Дьяконов}}]]
+
-
* [[Алгоритмы, модели, алгебры]], [[Участник:Dj|{{S|А. Г. Дьяконов}}]]
+
-
* Спецкурс [[Байесовские методы машинного обучения (курс лекций, Д.П. Ветров, Д.А. Кропотов, 2009)|Байесовские методы машинного обучения]], [[Участник:Dmitry Vetrov|{{S|Д. П. Ветров}}]]
+
-
=== Для студентов 4 курса ===
+
* '''[[Прикладная алгебра (часть I)]]''', [[Участник:Dj|А.Г.Дьяконов]]
-
* [[Практикум ММП ВМК, 4й курс, осень 2008|Практикум]], [[Участник:AIM|А. И. Майсурадзе]]
+
-
* Спецкурс [[Структурные методы анализа изображений и сигналов (курс лекций, А.С. Конушин, Д.П. Ветров, Д.А. Кропотов, О.В. Баринова, В.С. Конушин, 2009)|Структурные методы анализа изображений и сигналов]], [[Участник:Dmitry Vetrov|{{S|Д. П. Ветров}}]]
+
-
=== Для студентов 5 курса ===
+
* '''[[Алгоритмы, модели, алгебры]]''', [[Участник:Dj|А.Г.Дьяконов]]
-
* [[Статистический анализ данных (курс лекций, К.В.Воронцов)|Прикладной статистический анализ данных]], [[Участник:Vokov|{{S|К. В. Воронцов}}]]
+
-
== Спецсеминары кафедры ==
+
=== Четвёртый курс ===
 +
* '''[[Практикум ММП ВМК, 4й курс, осень 2008|Практикум]]''', [[Участник:AIM|А.И.Майсурадзе]]
-
* [[Алгебрологические методы в задачах классификации и прогнозирования]] академик РАН, д.ф.-м.н., профессор [[Журавлев, Юрий Иванович|Юрий Иванович Журавлёв]]
+
=== Пятый курс ===
-
* [[Проблемно-ориентированные схемы распознавания]], чл.-корр. РАН, проф. [[Рудаков, Константин Владимирович|Рудаков Константин Владимирович]], доц., к.ф.-м.н. [[Участник:Yury Chekhovich|Чехович Юрий Викторович]]
+
* '''[[Статистический анализ данных (курс лекций, К.В.Воронцов)|Прикладной статистический анализ данных]]''', [[Участник:Vokov|К.В.Воронцов]]
-
* [[Проблемы обобщающей способности алгоритмов классификации, регрессии и прогнозирования]] доц., к.ф.-м.н. [[Участник:Vokov|Воронцов Константин Вячеславович]]
+
*: 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.
-
* [[Спецсеминар "Байесовские методы машинного обучения"|Байесовские методы машинного обучения]] н.с., к.ф.-м.н. [[Участник:Dmitry Vetrov|Ветров Дмитрий Петрович]]
+
 
-
* [[Анализ и оценивание информации представленной в виде изображений]] доц., к.ф.-м.н. Гуревич И. Б.,
+
== Спецкурсы ==
-
* [[Спецсеминар "Новые методы в распознавании образов и прогнозировании"|Новые методы в распознавании образов и прогнозировании]] доц., к.ф.-м.н. Гуров С. И.,
+
* '''[[Байесовские методы машинного обучения (курс лекций, Д.П. Ветров, Д.А. Кропотов, 2009)|Байесовские методы машинного обучения]]''', [[Участник:Dmitry Vetrov|Д.П.Ветров]]
-
* [[Спектральные методы в задачах математической биологии]] проф., д.т. н. Дедус Ф. Ф.,
+
 
-
* [[Вычислительные задачи математической биологии и биофизики]] доц., к.ф.-м.н. Махортых С. А., доц., к.ф.-м.н. Панкратов А. Н.
+
* '''[[Структурные методы анализа изображений и сигналов (курс лекций, А.С. Конушин, Д.П. Ветров, Д.А. Кропотов, О.В. Баринова, В.С. Конушин, 2009)|Структурные методы анализа изображений и сигналов]]''', [[Участник:Dmitry Vetrov|Д.П.Ветров]]
-
* [[Алгебра над алгоритмами и эвристический поиск закономерностей]] доц., д.ф.-м.н [[Участник:Dj|Дьяконов Александр Геннадьевич]]
+
 
-
* [[Логические модели распознавания]] доц., д.ф.-м.н. [[Участник:Djukova|Дюкова Е. В.]]
+
* '''[[Теория надёжности обучения по прецедентам (курс лекций, К.В.Воронцов)|Теория надёжности обучения по прецедентам]]''', [[Участник:Vokov|К.В.Воронцов]]
-
* [[Комбинаторные основы теории информации]] проф., д.ф.-м.н. Леонтьев В. К.
+
*: Спецкурс знакомит студентов с современным состоянием теории вычислительного обучения, исследующей проблему качества восстановления зависимостей по эмпирическим данным. Подробно рассматривается комбинаторная теория, позволяющая получать точные оценки вероятности переобучения.
-
* [[Анализ данных в метрических пространствах]] доц., к.ф.-м.н. [[Участник:AIM|Майсурадзе Арчил Ивериевич]]
+
 
-
* [[Дискретно-непрерывные преобразования изображений в задачах распознавания]] проф., д.т. н. [[Участник:Mest|Местецкий Л. М.]],
+
* '''Исчисления высказываний классической логики''', С.И.Гуров
-
* [[Практические алгоритмы и системы распознавания и классификации]] доц., д.ф.-м.н. Рязанов В. В.,
+
*: Во второй части спецкурса рассматриваются некоторые гильбертовы исчисления H. Основное внимание уделяется генценовским непропозициональным исчислениям высказываний: натурального вывода N и секвенций S. Спецкурс поддерживается практическими занятиями.
-
* [[Стохастические методы прогнозирования]] вед.н.с., [[Участник:A.shurygin|д.т. н. Шурыгин А. М.]]
+
 
 +
* '''Извлечение информации из изображений''', И.Б.Гуревич
 +
 
 +
* '''Основы обобщенного спектрально-аналитического метода и его приложения''', Ф.Ф.Дедус
 +
*: Обобщенный спектрально-аналитический метод (ОСАМ) является комбинированным численно-аналитическим методом, в котором сочетаются сильные стороны числовых расчетов и аналитических преобразований. Основными математическими объектами метода являются семейства аналитических ортогональных функций, зависящие от параметров и позволяющие проводить адаптивную аналитическую аппроксимацию произвольных функций. В курсе подробно изучаются системы классических ортогональных многочленов непрерывного аргумента (Чебышева, Лежандра, Якоби, Лагерра, Эрмита) и ортогональные многочлены дискретного аргумента (Чебышева, Хана, Майкснера, Кравчука и Шарлье).
 +
 
 +
* '''Логический анализ данных в распознавании''', [[Участник:Djukova|Е.В.Дюкова]]
 +
*: Излагаются общие принципы конструирования логических процедур распознавания. Изучаются вопросы эффективного применения комбинаторно-логических методов для синтеза распознающих процедур. Рассматриваются подходы к оценке вычислительной сложности алгоритмов и качества решения прикладных задач.
 +
 
 +
* '''Метрические методы интеллектуального анализа данных''', А.И.Майсурадзе
 +
 
 +
* '''Вычислительные задачи математической биологии''', А.Н.Панкратов
 +
*: В спецкурсе рассматриваются дополнительные вопросы обобщенного спектрально-аналитического метода (ОСАМ) и его приложения к задачам распознавания в биоинформатике, связанным с аналитическим описанием и анализом, как текстовых последовательностей, так и пространственных структур биологических макромолекул.
 +
 
 +
* '''Нестатистические методы анализа данных и классификации''', В.В.Рязанов
 +
 
 +
== Спецсеминары ==
 +
 
 +
* '''[[Проблемы обобщающей способности алгоритмов классификации, регрессии и прогнозирования]]''', доц., к.ф.-м.н. [[Участник:Vokov|К.В.Воронцов]]
 +
 
 +
* '''[[Спецсеминар "Байесовские методы машинного обучения"|Байесовские методы машинного обучения]]''', н.с., к.ф.-м.н. [[Участник:Dmitry Vetrov|Д.П.Ветров]]
 +
 
 +
* '''[[Анализ и оценивание информации представленной в виде изображений]]''', доц., к.ф.-м.н. И.Б.Гуревич
 +
 
 +
* '''[[Спецсеминар "Новые методы в распознавании образов и прогнозировании"|Новые методы в распознавании образов и прогнозировании]]''', доц., к.ф.-м.н. С.И.Гуров
 +
 
 +
* '''[[Спектральные методы в задачах математической биологии]]''', проф., д.т.н. Ф.Ф.Дедус
 +
 
 +
* '''[[Алгебра над алгоритмами и эвристический поиск закономерностей]]''', доц., д.ф.-м.н [[Участник:Dj|А.Г.Дьяконов]]
 +
 
 +
* '''[[Логические модели распознавания]]''', доц., д.ф.-м.н. [[Участник:Djukova|Е.В.Дюкова]]
 +
 
 +
* '''[[Алгебрологические методы в задачах классификации и прогнозирования]]''', академик РАН, д.ф.-м.н., профессор [[Журавлев, Юрий Иванович|Ю.И.Журавлёв]]
 +
 
 +
* '''[[Комбинаторные основы теории информации]]''', проф., д.ф.-м.н. В.К.Леонтьев
 +
 
 +
* '''[[Анализ данных в метрических пространствах]]''', доц., к.ф.-м.н. [[Участник:AIM|А.И.Майсурадзе]]
 +
 
 +
* '''[[Вычислительные задачи математической биологии и биофизики]]''', доц., к.ф.-м.н. С.А.Махортых, доц., к.ф.-м.н. А.Н.Панкратов
 +
 
 +
* '''[[Дискретно-непрерывные преобразования изображений в задачах распознавания]]''', проф., д.т.н. [[Участник:Mest|Л.М.Местецкий]],
 +
 
 +
* '''[[Практические алгоритмы и системы распознавания и классификации]]''', доц., д.ф.-м.н. В.В.Рязанов,
 +
 
 +
* '''[[Проблемно-ориентированные схемы распознавания]]''', чл.-корр. РАН, проф. [[Рудаков, Константин Владимирович|Рудаков Константин Владимирович]], доц., к.ф.-м.н. [[Участник:Yury Chekhovich|Ю.В.Чехович]]
 +
 
 +
* '''[[Стохастические методы прогнозирования]]''', вед.н.с., [[Участник:A.shurygin|д.т.н. А.М.Шурыгин]]
== Преподаватели ==
== Преподаватели ==
Строка 52: Строка 93:
* Гуревич Игорь Борисович, к.ф.-м.н.
* Гуревич Игорь Борисович, к.ф.-м.н.
* Гуров Сергей Исаевич, к.ф.-м.н.
* Гуров Сергей Исаевич, к.ф.-м.н.
-
* Дедус Флоренц Фёдорович, профессор
+
* Дедус Флоренц Фёдорович, д.т.н., профессор
* [[Участник:Dj|Дьяконов Александр Геннадьевич]], д.ф.-м.н.
* [[Участник:Dj|Дьяконов Александр Геннадьевич]], д.ф.-м.н.
* [[Участник:Djukova|Дюкова Елена Всеволодовна]], д.ф.-м.н.
* [[Участник:Djukova|Дюкова Елена Всеволодовна]], д.ф.-м.н.
-
* [[Журавлев, Юрий Иванович|Журавлёв Юрий Иванович]], академик РАН, зав.каф.
+
* [[Журавлев, Юрий Иванович|Журавлёв Юрий Иванович]], академик РАН, заведующий кафедрой
* Леонтьев Владимир Константинович, д.ф.-м.н., профессор
* Леонтьев Владимир Константинович, д.ф.-м.н., профессор
* [[Участник:AIM|Майсурадзе Арчил Ивериевич]], к.ф.-м.н.
* [[Участник:AIM|Майсурадзе Арчил Ивериевич]], к.ф.-м.н.
* Махортых Сергей Александрович, к.ф.-м.н.
* Махортых Сергей Александрович, к.ф.-м.н.
-
* [[Участник:Mest|Местецкий Леонид Моисеевич]], д.т. н., профессор
+
* [[Участник:Mest|Местецкий Леонид Моисеевич]], д.т.н., профессор
* Панкратов Антон Николаевич, к.ф.-м.н.
* Панкратов Антон Николаевич, к.ф.-м.н.
* [[Рудаков, Константин Владимирович|Рудаков Константин Владимирович]], член-корреспондент РАН
* [[Рудаков, Константин Владимирович|Рудаков Константин Владимирович]], член-корреспондент РАН
* Рязанов Владимир Васильевич, д.ф.-м.н., академик РАЕН
* Рязанов Владимир Васильевич, д.ф.-м.н., академик РАЕН
* [[Участник:Yury Chekhovich|Чехович Юрий Викторович]], к.ф.-м.н.
* [[Участник:Yury Chekhovich|Чехович Юрий Викторович]], к.ф.-м.н.
-
* [[Участник:A.shurygin|Шурыгин Александр Михайлович]], д.т. н.
+
* [[Участник:A.shurygin|Шурыгин Александр Михайлович]], д.т.н.
== Ссылки ==
== Ссылки ==

Версия 01:19, 23 марта 2010

Заведующий кафедрой — лауреат Ленинской премии, академик РАН, д.ф.-м.н., профессор Юрий Иванович Журавлёв

Содержание

Кафедра была создана в 1997 году. Кафедра готовит специалистов по анализу данных, распознаванию и прогнозированию в технике, экономике, социологии, биологии и т. п. с использованием современных математических методов, программных и компьютерных систем. В процессе обучения студенты получают фундаментальное образование в таких областях математики, как современная алгебра, математическая логика, дискретная и комбинаторная математика, математическое моделирование, диагностика сложных систем, интеллектуальный анализ данных, машинное обучение, прогнозирование, прикладная статистика, математические модели искусственного интеллекта, распознавание образов, обработка и анализ изображений. В рамках специального практикума студенты получают навыки работы с современными базами данных и знаний, овладевают современными языками и методами программирования, приобретают опыт решения прикладных задач. Кафедра готовит научных работников, преподавателей колледжей и высшей школы, специалистов по разработке и применению математических методов для решения таких задач, как, например, прогнозирование месторождений полезных ископаемых, землетрясений, свойств химических соединений, техногенных и социальных катастроф и кризисов, развития экономических и политических ситуаций, и т. п.

В 2001 году был создан филиал кафедры на базе Института математических проблем биологии РАН в г. Пущино, в котором студенты старших курсов участвуют в решении фундаментальных и прикладных проблем в области биоинформатики.

Производственную практику студенты проходят в научно-исследовательских институтах РАН, участвуя, в том числе, в работах по грантам РФФИ, и компаниях, специализирующихся в анализе данных и машинном обучении (например, в компании Форексис). Многие студенты, имеющие склонность к научной деятельности, получают первые самостоятельные результаты уже к четвертому-пятому году обучения, публикуются в научных журналах и после получения диплома продолжают обучение в аспирантуре кафедры.


Доска объявлений

{{#if: | |


В спецкурсе будут изложены общие принципы, лежащие в основе дискретных методов анализа информации в задачах распознавания, классификации и прогнозирования. Будут рассмотрены подходы к конструированию процедур классификации по прецедентам на основе использования аппарата логических функций и методов построения покрытий булевых и целочисленных матриц. Будут изучены основные модели логических процедур классификации и рассмотрены вопросы, связанные с исследованием сложности их реализации и качества решения прикладных задач.

Спецкурс для бакалавров 2-4 курсов. По спецкурсу издано учебное пособие. Презентации лекций выставлены на сайте кафедры ММП. Записаться на спецкурс и задать вопрос можно, послав письмо на адрес: edjukova@mail.ru или p_prok@mail.ru.

Все новости

Кафедральные курсы

Третий курс

Четвёртый курс

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.

Спецкурсы

  • Теория надёжности обучения по прецедентам, К.В.Воронцов
    Спецкурс знакомит студентов с современным состоянием теории вычислительного обучения, исследующей проблему качества восстановления зависимостей по эмпирическим данным. Подробно рассматривается комбинаторная теория, позволяющая получать точные оценки вероятности переобучения.
  • Исчисления высказываний классической логики, С.И.Гуров
    Во второй части спецкурса рассматриваются некоторые гильбертовы исчисления H. Основное внимание уделяется генценовским непропозициональным исчислениям высказываний: натурального вывода N и секвенций S. Спецкурс поддерживается практическими занятиями.
  • Извлечение информации из изображений, И.Б.Гуревич
  • Основы обобщенного спектрально-аналитического метода и его приложения, Ф.Ф.Дедус
    Обобщенный спектрально-аналитический метод (ОСАМ) является комбинированным численно-аналитическим методом, в котором сочетаются сильные стороны числовых расчетов и аналитических преобразований. Основными математическими объектами метода являются семейства аналитических ортогональных функций, зависящие от параметров и позволяющие проводить адаптивную аналитическую аппроксимацию произвольных функций. В курсе подробно изучаются системы классических ортогональных многочленов непрерывного аргумента (Чебышева, Лежандра, Якоби, Лагерра, Эрмита) и ортогональные многочлены дискретного аргумента (Чебышева, Хана, Майкснера, Кравчука и Шарлье).
  • Логический анализ данных в распознавании, Е.В.Дюкова
    Излагаются общие принципы конструирования логических процедур распознавания. Изучаются вопросы эффективного применения комбинаторно-логических методов для синтеза распознающих процедур. Рассматриваются подходы к оценке вычислительной сложности алгоритмов и качества решения прикладных задач.
  • Метрические методы интеллектуального анализа данных, А.И.Майсурадзе
  • Вычислительные задачи математической биологии, А.Н.Панкратов
    В спецкурсе рассматриваются дополнительные вопросы обобщенного спектрально-аналитического метода (ОСАМ) и его приложения к задачам распознавания в биоинформатике, связанным с аналитическим описанием и анализом, как текстовых последовательностей, так и пространственных структур биологических макромолекул.
  • Нестатистические методы анализа данных и классификации, В.В.Рязанов

Спецсеминары

Преподаватели

Ссылки

Литература

Личные инструменты