Главная » Справочники » Магистратура Анохин »

Введение в искусственные нейронные сети и машинное обучение

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.

1. Понятие алгоритма и сложности. Задачи сортировки и поиска. Предобработка данных. Хэширование
2. Динамическое программирование и задача выравнивания последовательностей. Глобальное и локальное выравнивание. Алгоритм BLAST.
3. Сборка генома. Картирование ридов на известный геном. Суффиксные массивы и преобразование Барроуза-Уилера. Секвенирование РНК. Алгоритм Median-of-ratios.
4. Теория вероятностей. Дискретные случайные величины
5. Теория вероятностей. Непрерывные случайные величины
6. Математическая статистика. Оценивание параметров
7. Математическая статистика. Проверка гипотез и поправки на множественность
8. Задача классификации. Метод ближайших соседей и его вариации. Нормализация данных. Показатели качества
9. Машинное обучение. Задача классификации. Метод опорных векторов и методы на основе "деревьев"
10. Машинное обучение. Задача регрессии
11. Машинное обучение. Задача кластеризации
12. Введение в теорию искусственных нейронных сетей
13. Обучение искусственных нейронных сетей. Оптимизаторы. Метод обратного распространения ошибки
14. Применение искусственных нейронных сетей для анализа изображений. Свёрточные нейронные сети