Математические методы прогнозирования (кафедра ВМиК МГУ)/Кафедральные курсы

Математические методы распознавания образов: лекции (В.В. Китов, по четвергам в 16-20, ссылка на zoom), семинары (Е.А. Соколов, по четвергам в 18-05, ссылка на zoom)
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, по понедельникам в 12-50, ссылка на zoom.

Байесовские методы в машинном обучении, Д.П. Ветров (лекции), К. Струминский, А. Волохова (семинары)

Прикладная алгебра (часть 2), С.И. Гуров
Машинное обучение и анализ данных (3-й поток), А.Г. Дьяконов, по понедельникам в 16-20, ссылка на zoom.

Прикладные задачи анализа данных, А.Г. Дьяконов
Методы оптимизации в машинном обучении, Д.А. Кропотов, по пятницам в 14-35, ссылка на zoom.

Архив курсов

Графические модели, Ветров Д.П., Кропотов Д.А.
Современные методы распознавания и синтеза речи, Полыковский Д., Бибик Д., Дуканов С., Воропаев А., Соловьев Д.
Математические основы теории прогнозирования, О.В. Сенько
Прикладные системы распознавания и прогнозирования, К.В. Рудаков и др.
Математические методы прогнозирования, А.М. Шурыгин

@@ Строка 101: / Строка 101: @@
 }}
 {{Курс|Режим = {{{1}}}|Название =
-'''[[Нейробайесовские методы машинного обучения (курс лекций) / 2020|Нейробайесовские методы]]''', [[Участник:Dmitry Vetrov|Д.П. Ветров]]
+'''[[Нейробайесовские методы машинного обучения (курс лекций) / 2020|Нейробайесовские методы]]''', [[Участник:Dmitry Vetrov|Д.П. Ветров]], по пятницам в 14-35, [https://zoom.us/j/466017517 ссылка на zoom].
 |Описание =
 }}