Научный руководитель: профессор, д.ф.-м.н. Ю.И. Журавлев.
Цель магистерской программы «Логические и комбинаторные методы анализа данных» – подготовка магистров, специализирующихся в области методов распознавания и интеллектуального анализа данных. Программа предусматривает изучение дисциплин в таких областях математики как современная алгебра, дискретная и комбинаторная математика, машинное обучение, прогнозирование и др. Предполагается изучение основных приёмов решения прикладных задач анализа данных, а также приобретение навыков программной реализации технологий распознавания.
Дисциплина | 1 семестр |
2 семестр |
3 семестр |
4 семестр |
||||
ч/н | ч/н | ч/н | ч/н | |||||
Иностранный язык | 4 | зач | 4 | экз | ||||
Правоведение | 4 | экз | Русский язык, деловое общение | 2 | экз | |||
Суперкомпьютерное моделирование и технологии | 4 | экз | ||||||
История и методология прикладной математики | 2 | зач | ||||||
Современная философия и методология науки | 2 | экз | ||||||
Межфакультетские курсы по выбору | 2 | зач | 2 | зач | ||||
Алгоритмы, модели, алгебры | 4 | экз | ||||||
Алгебраические методы обработки данных | 4 | экз | ||||||
Прикладная алгебра. Дополнительные главы | 2 | экз | ||||||
Логические и комбинаторные методы анализа данных | 4 | экз | ||||||
Неклассические математические модели обработки данных | 4 | экз | ||||||
Планирование научных исследований | 2 | зач | ||||||
Математические методы классификации | 2 | экз | 4 | экз | ||||
Дисциплина магистерской программы на английском языке | 2 | зач | ||||||
Дисциплина по выбору из списка | 2 | экз | 2 | экз | 2 | зач | ||
Спецсеминар "Интеллектуальный анализ данных: новые задачи и методы" | 2 | зач | 2 | зач | 2 | зач | 2 | зач |
Научно-исследовательская работа | оценка | |||||||
Курсовая работа | оценка | |||||||
часов | 22 | 20 | 18 | 8 | ||||
зачетов | 3 | 2 | 4 | 2 | ||||
экзаменов | 5 | 5 | 4 | 3 | ||||
Защита магистерской диссертации | оценка | |||||||
Государственный экзамен по направлению | оценка |
Список дисциплин по выбору студента для магистерской программы "Логические и комбинаторные методы анализ данных":
Нестатические методы анализа данных и классификации
Методы поиска достоверных эмпирических закономерностей в многомерных данных
Прикладные задачи анализа данных
Метрические методы интеллектуального анализа данных
Булевы уравнения и проблема SAT
Задачи распознавания в биоинформатике
Теория надежности обучения по прецедентам
Вероятностные тематические модели
Методы оптимизации в машинном обучении
Извлечение информации из изображений
Задачи и алгоритмы вычислительной геометрии
Логико-статистические модели в распознавании, прогнозировании и интеллектуальном анализе данных