Предсказательное моделирование и оптимизация (кафедра МФТИ)/Учебный план

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(Новая: === Учебный план === '''Направление:''' 511600 — «Прикладная математика и физика». '''Магистерская программа:...)
Строка 1: Строка 1:
=== Учебный план ===
=== Учебный план ===
-
'''Направление:''' 511600 — «Прикладная математика и физика».
+
'''Направление:''' 010900 — «Прикладные математика и физика».
-
'''Магистерская программа:''' 511656 — «Математические и информационные технологии».
+
'''Магистерская программа:''' 010990 — «Интеллектуальный анализ данных».
{| class = "standard"
{| class = "standard"
Строка 20: Строка 20:
!colSpan=8 |Бакалавриат
!colSpan=8 |Бакалавриат
|-
|-
-
|Прикладная математическая логика
+
|Прикладная линейная алгебра
-
|Захаров
+
|Вьюгин И.В.
-
|Н
+
|Э
|Э
 +
|
 +
|
 +
|
 +
|
 +
|
 +
|-
 +
|Прикладные пакеты статистического анализа данных
 +
|Мартынов Г.В., Прохоров А.А.
 +
|Н
 +
|
 +
|
 +
|
 +
|
 +
|
 +
|-
 +
|Избранные главы теории оптимизации. Приложения теории экстремума
 +
|Магарил-Ильяев Г.Г.
 +
|Д
 +
|
|
|
|
|
Строка 29: Строка 47:
|
|
|-
|-
-
|[[Машинное обучение (курс лекций, К.В.Воронцов)|Машинное обучение]] [http://www.ccas.ru/frc/department/voron.pdf (программа курса)]
+
|Дополнительные главы функционального анализа и элементы дифференциальной геометрии
-
|[[Участник:Vokov|Воронцов]]
+
|Пирогов С.А.
|Э
|Э
|Э
|Э
Строка 38: Строка 56:
|
|
|-
|-
-
|Семинар по специальности
+
|Основные методы кластеризации и распознавания
-
|все по очереди
+
|Карпенко С.М.
-
|–
+
|
|
 +
|Э
|
|
|
|
Строка 47: Строка 65:
|
|
|-
|-
-
|[[Численные методы обучения по прецедентам (практика, В.В. Стрижов)|Численные методы обучения по прецедентам (практикум)]]
+
|Основы статистического моделирования и исследование зависимостей
-
|[[Участник:Strijov|Стрижов]]
+
|Бурнаев Е.В.
-
|Д
+
|
-
|Н
+
|Д
|Д
 +
|
|
|
|
|
|
|
|-
|-
-
|[http://www.ccas.ru/frc/department/zhuravlev.pdf Методы дискретного анализа в распознавании образов]
+
|Математические основы машинного обучения
-
|[[Журавлёв, Юрий Иванович|Журавлёв]]
+
|Вьюгин В.В.
|
|
|
|
Строка 65: Строка 83:
|
|
|-
|-
-
|[http://www.ccas.ru/frc/department/rudakov.pdf Основания алгебраического подхода к синтезу корректных алгоритмов]
+
|Анализ моделей и оптимизация в условиях стохастической неопределенности
-
|[[Рудаков, Константин Владимирович|Рудаков]]
+
|Дорофеев Е.В.
 +
|
|
|
|Д
|Д
-
|Э
 
|
|
|
|
|
|
|-
|-
-
|[http://www.ccas.ru/frc/department/mest1.pdf Обработка изображений]
+
|Основные методы и алгоритмы анализа многомерных данных
-
|Местецкий
+
|Бернштейн А.В.
|
|
|
|
-
|Д
+
|Э
|
|
|
|

Версия 09:43, 19 февраля 2012

Учебный план

Направление: 010900 — «Прикладные математика и физика».

Магистерская программа: 010990 — «Интеллектуальный анализ данных».

Название курса Преподаватели Курссеместр
36  47  48  59  510 611
Бакалавриат
Прикладная линейная алгебра Вьюгин И.В. Э
Прикладные пакеты статистического анализа данных Мартынов Г.В., Прохоров А.А. Н
Избранные главы теории оптимизации. Приложения теории экстремума Магарил-Ильяев Г.Г. Д
Дополнительные главы функционального анализа и элементы дифференциальной геометрии Пирогов С.А. Э Э
Основные методы кластеризации и распознавания Карпенко С.М. Э
Основы статистического моделирования и исследование зависимостей Бурнаев Е.В. Д
Математические основы машинного обучения Вьюгин В.В. Э
Анализ моделей и оптимизация в условиях стохастической неопределенности Дорофеев Е.В. Д
Основные методы и алгоритмы анализа многомерных данных Бернштейн А.В. Э
Магистратура
Анализ и распознавание изображений Местецкий Э
Обработка сигналов и многомерных массивов данных Моттль Д Э
Дискретная оптимизация Сигал Э
Прикладной комбинаторный анализ Сметанин Э
Интеллектуальные системы Рудаков Д
Анализ данных в метрических пространствах Майсурадзе Э
Информационное моделирование Стрижов Э
Биоинформатика Торшин Э
Требования учебного отдела
НИР Д Д Д Д Д
Всего зачетов (не более) 1 2 2 3 2 3
Всего экзаменов (не более) 1 2 2 2 2 4
Всего часов (не более) 8 8 8 8 4 12
  • Э - экзамен
  • Д - дифференцированный зачет
  • Н - недифференцированный зачет
Источник — «http://poligon.machinelearning.ru/wiki/index.php?title=%D0%9F%D1%80%D0%B5%D0%B4%D1%81%D0%BA%D0%B0%D0%B7%D0%B0%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D0%BE%D0%B5_%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5_%D0%B8_%D0%BE%D0%BF%D1%82%D0%B8%D0%BC%D0%B8%D0%B7%D0%B0%D1%86%D0%B8%D1%8F_%28%D0%BA%D0%B0%D1%84%D0%B5%D0%B4%D1%80%D0%B0_%D0%9C%D0%A4%D0%A2%D0%98%29/%D0%A3%D1%87%D0%B5%D0%B1%D0%BD%D1%8B%D0%B9_%D0%BF%D0%BB%D0%B0%D0%BD»
Личные инструменты