• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Статья
Finding Weakly Correlated Nodes in Random Variable Networks

Koldanov P., Koldanov A. P., Semenov D.

Operations Research Forum. 2024. Vol. 5. No. 116.

Глава в книге
ALOE: Boosting Large Language Model Fine-Tuning with Aggressive Loss-Based Elimination of Samples

Demidovskij A., Трутнев А. И., Тугарев А. М. et al.

In bk.: Frontiers in Artificial Intelligence and Applications: 27th European Conference on Artificial Intelligence, 19–24 October 2024, Santiago de Compostela, Spain. Vol. 392. IOS Press Ebooks, 2024. P. 3980-3986.

Препринт
DAREL: Data Reduction with Losses for Training Acceleration of Real and Hypercomplex Neural Networks

Demidovskij A., Трутнев А. И., Тугарев А. М. et al.

NeurIPS 2023 Workshop. ZmuLcqwzkl. OpenReview, 2023

Дискретные модели и сложность алгоритмов

2021/2022
Учебный год
RUS
Обучение ведется на русском языке
5
Кредиты

Преподаватель

Программа дисциплины

Аннотация

Целями освоения дисциплины «Дискретные модели и сложность алгоритмов» являются подготовка в области основ гуманитарных, социальных, экономических, математических и естественно-научных знаний, получение высшего профессионально профилированного (на уровне магистра) образования, позволяющего выпускнику успешно работать в избранной сфере деятельности, обладать универсальными и предметно-специализированными компетенциями, способствующими его социальной мобильности и устойчивости на рынке труда.
Цель освоения дисциплины

Цель освоения дисциплины

  • Подготовка в области основ гуманитарных, социальных, экономических, математических и естественно-научных знаний.
  • Получение высшего профессионально профилированного (на уровне магистра) образования, позволяющего выпускнику успешно работать в избранной сфере деятельности.
  • Обладание универсальными и предметно-специализированными компетенциями, способствующими его социальной мобильности и устойчивости на рынке труда.
Планируемые результаты обучения

Планируемые результаты обучения

  • Знание базовых алгоритмов и их эффективных реализаций.
  • Знание и умение реализовать основные строковые алгоритмы.
  • Знание и умение реализовать основные структуры данных.
  • Знание моделей вычислений
  • Знание основных классов сложности и умение строить полиномиальные сведения.
  • Знание основных методов анализа сложности алгоритмов.
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Модели вычислений.
  • Анализ алгоритмов.
  • Эффективная разрешимость и «труднорешаемость» дискретных задач.
  • Структуры данных.
  • Алгоритмы и их эффективные реализации.
  • Строковые алгоритмы
Элементы контроля

Элементы контроля

  • неблокирующий Контрольная работа
  • неблокирующий Домашнее задание
  • неблокирующий Экзамен 1
  • неблокирующий Экзамен 2
Промежуточная аттестация

Промежуточная аттестация

  • 2021/2022 учебный год 1 модуль
    0.7 * Экзамен 1 + 0.3 * Контрольная работа
  • 2021/2022 учебный год 2 модуль
    0.3 * Экзамен 2 + 0.2 * Домашнее задание + 0.5 * 2021/2022 учебный год 1 модуль
Список литературы

Список литературы

Рекомендуемая основная литература

  • Алгоритмы : построение и анализ, пер. с англ., 3-е изд., 1323 с., Кормен, Т., Лейзерсон, Ч., Ривест, Р., Штайн, К., 2018
  • Вычислительные машины и труднорешаемые задачи, 416 с., Гэри, М., Джонсон, Д., 2012

Рекомендуемая дополнительная литература

  • Алексеев, В. Е. Графы и алгоритмы : учебное пособие / В. Е. Алексеев, В. А. Таланов. — 2-е изд. — Москва : ИНТУИТ, 2016. — 153 с. — ISBN 5-9556-0066-3. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/100593 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.

Авторы

  • Малышев Дмитрий Сергеевич