• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Статья
О числе вечного доминирования планарных графов диаметра 2
В печати

Талецкий Д. С.

Дискретный анализ и исследование операций. 2025. Т. 32. № 1. С. 1-21.

Глава в книге
Robustness of Graphical Lasso Optimization Algorithm for Learning a Graphical Model

Valeriy Kalyagin, Ilya Kostylev.

In bk.: Mathematical Optimization Theory and Operations Research. 23rd International Conference, MOTOR 2024, Omsk, Russia, June 30–July 6, 2024, Proceedings. LNCS, volume 14766. Springer, 2024. P. 337-348.

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

Анализ данных

2023/2024
Учебный год
RUS
Обучение ведется на русском языке
6
Кредиты

Преподаватель

Программа дисциплины

Аннотация

Изучение дисциплины «Анализ данных» базируется на следующих дисциплинах: - Математический анализ; - Геометрия и алгебра; - Дискретная математика; - Теория вероятности и математическая статистика. В результате освоения дисциплины студент должен: знать: - основные понятия анализа данных; уметь: - анализировать данные, выбирать адекватные методы анализа; владеть: - навыками применения основных алгоритмов анализа данных.
Цель освоения дисциплины

Цель освоения дисциплины

  • Целями освоения дисциплины «Анализ данных» является знакомство с основными понятиями анализа данных, развитие навыков анализа данных, овладение основными ал-горитмами анализа данных.
Планируемые результаты обучения

Планируемые результаты обучения

  • Владеть базовыми знаниями для освоения курса
  • Уметь выбирать и использовать метод классификации для конкретных наборов данных. Выполнять сравнение методов классификации
  • Уметь вычислять SVD разложение и переходить в пространство меньшей размерности с оценкой ошибки
  • Уметь находить кластерные структуры в данных с помощью различных методов
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Введение
  • Методы снижения размерности. Сингулярное разложение и метод главных компонент
  • Обучение без учителя (методы кластеризации)
  • Обучение с учителем
Элементы контроля

Элементы контроля

  • неблокирующий Контрольная работа
  • неблокирующий Экзамен
  • неблокирующий Экзамен
Промежуточная аттестация

Промежуточная аттестация

  • 2023/2024 учебный год 1 модуль
    1 * Экзамен
  • 2023/2024 учебный год 3 модуль
    0.5 * Контрольная работа + 0.5 * Экзамен
Список литературы

Список литературы

Рекомендуемая основная литература

  • Ford, W. (2015). Numerical Linear Algebra with Applications : Using MATLAB (Vol. First edition). London: Academic Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=485990

Рекомендуемая дополнительная литература

  • Райгородский, А. М. Вероятность и алгебра в комбинаторике : учебное пособие / А. М. Райгородский. — Москва : МЦНМО, 2008. — 48 с. — ISBN 978-5-94057-384-5. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/9400 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.

Авторы

  • Семенов Дмитрий Павлович
  • Трехлеб Ольга Юрьевна