• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Книга
Integral Robot Technologies and Speech Behavior

Kharlamov A. A., Pantiukhin D., Borisov V. et al.

Newcastle upon Tyne: Cambridge Scholars Publishing, 2024.

Статья
Clique detection with a given reliability

Semenov D., Koldanov A. P., Koldanov P. et al.

Annals of Mathematics and Artificial Intelligence. 2024.

Глава в книге
Neural Networks for Speech Synthesis of Voice Assistants and Singing Machines

Pantiukhin D.

In bk.: Integral Robot Technologies and Speech Behavior. Newcastle upon Tyne: Cambridge Scholars Publishing, 2024. Ch. 9. P. 281-296.

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

Научно-исследовательский семинар "Инструменты интеллектуального анализа данных"

2023/2024
Учебный год
RUS
Обучение ведется на русском языке
3
Кредиты

Преподаватель

Программа дисциплины

Аннотация

Научный семинар является важным элементом профессиональной подготовки магистра программы "интеллектуальный анализ данных". Семинар предназначен для развивая у студентов навыков критического мышления на примере задач и проблем исследования операций.
Цель освоения дисциплины

Цель освоения дисциплины

  • Развитие способностей к профессиональному комплексному анализу решений в экономической сфере и бизнесе. Развитие компетенций в области математических методов и информационных технологий.
  • Целью научного семинара является приобретение студентами следующих навыков: - математического моделирования реальных проблем - научного анализа проблем методами исследования операций - разработки подходов и методов решения, - критического осмысления результатов
Планируемые результаты обучения

Планируемые результаты обучения

  • Анализирует за-дачу со многими критериями, выбирает метод решения
  • Анализирует задачу голосования, реализует алгоритм оценки влияния
  • Анализирует задачу дележа, реализует алгоритм решения
  • Составляет игровую модель задачи, выбирает алгоритм решения
  • уметь вычислять равновесие по Нэшу в конечных матричных играх многих лиц
  • уметь критически оценивать результаты научного исследования, анализировать содержание и значимость научных результатов.
  • уметь моделировать и решать задачу дележа для кооперативных игр
  • уметь моделировать реальные явления с помощью теории игр
  • Уметь представлять научную проблему, анализировать ее, представлять подходы и методы решения
Содержание учебной дисциплины

Содержание учебной дисциплины

  • модели теории игр
  • Научные доклады студентов по темам ВКР
Элементы контроля

Элементы контроля

  • блокирующий Лабораторные работы
    Три лабораторные работы
  • неблокирующий Активность на занятиях
    Ответы у доски на практических занятиях, активность на теоретических занятиях
Промежуточная аттестация

Промежуточная аттестация

  • 2023/2024 3rd module
    0.1 * Активность на занятиях + 0.9 * Лабораторные работы
Список литературы

Список литературы

Рекомендуемая основная литература

  • Mazalov, V. V. (2014). Mathematical Game Theory and Applications. Chichester, West Sussex: Wiley. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=817776
  • Provost, Foster, Fawcett, Tom. Data Science for Business: What you need to know about data mining and data-analytic thinking. – " O'Reilly Media, Inc.", 2013.
  • Tavana, M., & Patnaik, S. (2018). Recent Developments in Data Science and Business Analytics : Proceedings of the International Conference on Data Science and Business Analytics (ICDSBA- 2017). Cham, Switzerland: Springer. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1743510

Рекомендуемая дополнительная литература

  • Courgeau, D. (2012). Probability and Social Science : Methodological Relationships Between the Two Approaches. Dordrecht: Springer. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=523080
  • Foster, I., Ghani, R., Jarmin, R. S., Kreuter, F., & Lane, J. I. (2017). Big Data and Social Science : A Practical Guide to Methods and Tools. Boca Raton: Chapman and Hall/CRC. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=nlebk&AN=1353316
  • Kotu, V., & Deshpande, B. (2019). Data Science : Concepts and Practice (Vol. Second edition). Cambridge, MA: Morgan Kaufmann. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1866160
  • McEachern, A. (2017). Game Theory : A Classical Introduction, Mathematical Games, and the Tournament. [San Rafael, California]: Morgan & Claypool Publishers. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1544420
  • Ravindran, A. (2008). Operations Research and Management Science Handbook. Boca Raton: CRC Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=209433
  • Vanderplas, J.T. (2016). Python data science handbook: Essential tools for working with data. Sebastopol, CA: O’Reilly Media, Inc. https://proxylibrary.hse.ru:2119/login.aspx?direct=true&db=nlebk&AN=1425081.