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), К. Струминский, Т. Гарипов (семинары)

Методы оптимизации в машинном обучении, Д.А. Кропотов (лекции), А.О. Родоманов (семинары)

Современные методы распознавания и синтеза речи, Воропаев А., Соловьев Д., Полыковский Д.

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

@@ Строка 77: / Строка 77: @@
 |<!-- ЗДЕСЬ ПЕРЕЧИСЛЯЮТСЯ КУРСЫ ДЛЯ 4-ГО КУРСА В ОСЕННЕМ СЕМЕСТРЕ -->
 {{Курс|Режим = {{{1}}}|Название =
-'''[[Практикум на ЭВМ (417)/2017|Практикум на ЭВМ]]''', [[Участник:AIM|А.И. Майсурадзе]]
+'''[[Практикум на ЭВМ (417)/2018|Практикум на ЭВМ]]''', [[Участник:AIM|А.И. Майсурадзе]]
 |Описание =
 }}