Математические методы прогнозирования (кафедра ВМиК МГУ)/Кафедральные курсы

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

Байесовские методы в машинном обучении, Д.П. Ветров (лекции), Д.А. Кропотов, Е.М. Лобачева (семинары)

Прикладной статистический анализ данных, Е. Рябенко
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

@@ Строка 44: / Строка 44: @@
 }}
 {{Курс|Режим = {{{1}}}|Название =
-'''Математические методы распознавания образов: [[Машинное обучение (курс лекций, К.В.Воронцов)|лекции]] (В.В. Китов), [[Машинное обучение (семинар, ММП ВМиК)|семинары]] ([[Участник:EvgSokolov|Е.А. Соколов]])'''
+'''Математические методы распознавания образов: [[Машинное обучение (курс лекций, В.В.Китов)/2015-2016|лекции]] ([[Участник:Victor_Kitov|В.В. Китов]]), [[Машинное обучение (семинар, ММП ВМиК)|семинары]] ([[Участник:EvgSokolov|Е.А. Соколов]])'''
 |Описание =
 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.