• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Статья
RISC-V RVV efficiency for ANN algorithms

Соколов А. П., Rumyantsev K., Yakovlev P. et al.

Working papers by Cornell University. Series cond-mat.soft "arxiv.org" (. 2024.

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

Вероятностные и статистические методы моделирования

2023/2024
Учебный год
RUS
Обучение ведется на русском языке
4
Кредиты

Преподаватель

Программа дисциплины

Аннотация

Дисциплина «Вероятностные и статистические методы моделирования» нацелена на развитие теоретических представлений и навыков математического моделирования в условиях неопределенности. Рассматриваются как классические так и современные вероятностные модели и статистические методы анализа данных, включая статистические процедуры со многими решениями и методы множественной проверки гипотез. В результате освоения дисциплины аспиранты систематизируют свои знания в области вероятностных и статистических моделей, осваивают современные методы статистического анализа , приобретают навык работы с научной литературой.
Цель освоения дисциплины

Цель освоения дисциплины

  • Целью освоения дисциплины является знакомство учащихся с современными вероятностными и статистическими методами моделирования. В результате освоения дисциплины аспирант должен: Знать: основные положения построения вероятностных моделей и их статистического анализа. Уметь: использовать полученные знания в своей научной и педагогической деятельности Иметь навыки (приобрести опыт): работы с литературой по вероятностным и статистическим моделям
Планируемые результаты обучения

Планируемые результаты обучения

  • Анализирует теоретически и с помощью анализа данных модели страховой деятельности. Выбирает модели адекватные практической ситуации.
  • Анализирует теоретически и с помощью анализа данных финансовые модели. Выбирает модель, адекватную приктической ситуации.
  • Выполняет теоретический анализ различных методов множественной проверки гипотез. Применяет современные методы множественной проверки гипотез к реальным данным.
  • Применяет современные методы статистики и проверки статистических гипотез.
  • строит и анализирует вероятностные модели прикладных задач. Описывает особенности моделей.
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Концептуальные основы построения вероятностных моделей и современные методы их анализа.
  • Теория статистических процедур со многими решениями.
  • Актуарная математика и её применения.
  • Стохастическая финансовая математика.
  • Современные методы статистики. Проверка статистических гипотез.
Элементы контроля

Элементы контроля

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

Промежуточная аттестация

  • 2023/2024 2nd semester
    0.15 * Домашнее задание + 0.15 * Контрольная работа + 0.7 * Экзамен
Список литературы

Список литературы

Рекомендуемая основная литература

  • Benninga, S. (2014). Financial Modeling (Vol. Fourth edition). Cambridge, Massachusetts: The MIT Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1089520
  • Eric D. Kolaczyk, Gabor Csardi (2014) Statistical Analysis of Network Data with R. Springer New York Heidelberg Dordrecht London. https://link.springer.com/content/pdf/10.1007%2F978-1-4939-0983-4.pdf.
  • Frederick Mosteller, Stephen E. Fienberg, & Robert E.K. Rourke. (2013). Beginning Statistics with Data Analysis. [N.p.]: Dover Publications. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1154016
  • Hastie, T., Tibshirani, R., & Friedman, J. H. (2009). The Elements of Statistical Learning : Data Mining, Inference, and Prediction (Vol. Second edition, corrected 7th printing). New York: Springer. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=277008
  • Rees, M. (2008). Financial Modelling in Practice : A Concise Guide for Intermediate and Advanced Level. Hoboken, NJ: Wiley. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=319172
  • Wilcox R R. Understanding and Applying Basic Statistical Methods Using R / R R. Wilcox. - Hoboken, New Jersey: Wiley; 2016. eBook https://ebookcentral.proquest.com/lib/hselibraryebooks/detail.action?docID=4526801

Рекомендуемая дополнительная литература

  • Borek Puza. (2015). Bayesian Methods for Statistical Analysis. Netherlands, Europe: ANU Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.C43E3A69
  • Bruce, P. C., & Bruce, A. (2017). Practical Statistics for Data Scientists : 50 Essential Concepts (Vol. First edition). Sebastopol, CA: O’Reilly Media. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=nlebk&AN=1517577
  • Dehmer, M., & Basak, S. C. (2012). Statistical and Machine Learning Approaches for Network Analysis. Hoboken, N.J.: Wiley. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=465414
  • Luca Regis (Ed.). (2018). Actuarial and Financial Risks in Life Insurance, Pensions and Household Finance. Web server without geographic relation, Web server without geographic relation (org): MDPI AG - Multidisciplinary Digital Publishing Institute. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.E6FBC941
  • Murphy, K. P. (2012). Machine Learning : A Probabilistic Perspective. Cambridge, Mass: The MIT Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=480968
  • Миронкина Ю.Н., Звездина Н.В., Скорик М.А., Иванова Л.В. - АКТУАРНЫЕ РАСЧЕТЫ. Учебник и практикум для бакалавриата и магистратуры - М.:Издательство Юрайт - 2017 - 518с. - ISBN: 978-5-534-04087-6 - Текст электронный // ЭБС ЮРАЙТ - URL: https://urait.ru/book/aktuarnye-raschety-405324

Авторы

  • Трехлеб Ольга Юрьевна
  • Калягин Валерий Александрович