Главная » Справочники » Магистратура Анохин »

Методы машинного обучения для анализа биомедицинских данных

Преподаватели: сотрудники механико-математического факультета МГУ
доцент, к.ф-м.н. Галатенко А.В.,
доцент, к.ф-м.н. Боков Г.В.,
 к.ф-м.н. Иванов И.Е.

Для освоения дисциплины студент должен обладать базовыми знаниями, сформированными при изучении математического анализа и математической статистики уровня бакалавриата естественнонаучных факультетов.

Программа курса:

1. Введение в программирование на языке Python
2. Реализация нетривиальных алгоритмов на языке Python
3. Динамическое программирование и задача выравнивания последовательностей
4. Реализация алгоритмов сборки генома
5. Теория вероятностей. Дискретные случайные величины
6. Теория вероятностей. Непрерывные случайные величины
7. Математическая статистика. Оценивание параметров
8. Математическая статистика. Проверка гипотез и поправки на множественность
9. Машинное обучение. Задача классификации
10. Машинное обучение. Задача регрессии
11. Машинное обучение. Задача кластеризации
12. Введение в теорию искусственных нейронных сетей
13. Обучение искусственных нейронных сетей. Оптимизаторы. Инициализация нейронных сетей
14. Метод обратного распространения ошибки
15. Применение искусственных нейронных сетей для анализа изображений. Свёрточные нейронные сети