Зав. кафедрой, зав. специализацией:
д.ф.-м.н., член-корреспондент РАН
Константин Владимирович Рудаков
Зам. зав. кафедрой:
к.ф.-м.н.
Константин Вячеславович Воронцов
Базовая организация:
Вычислительный Центр им. А. А. Дородницына РАН,
www.ccas.ru.
Интеллектуальный анализ данных является
одним из наиболее актуальных и востребованных направлений прикладной математики.
Современные процессы бизнеса и производства порождают огромные массивы данных.
Как извлечь максимум полезных знаний из разнородных, неполных, неточных, косвенных данных?
Как сделать это эффективно, если объем данных измеряется гигабайтами?
Как построить алгоритмы, использующие максимум полезной информации
для автоматического принятия решений?
Эти и многие другие задачи изучаются на специализации
«Интеллектуальный анализ данных».
Специализация образована в 2003 году на базе научной школы академика РАН Ю.И. Журавлева.
Им и его учениками создан уникальный математический аппарат,
опирающийся на классические методы алгебры, дискретного анализа, математической статистики.
Глубокое изучение этих дисциплин составляет основу подготовки выпускаемых специалистов.
В рамках специализации ведется обучение студентов
методам постановки и решения реальных прикладных задач.
Научные направления
-
распознавание образов и прогнозирование (machine learning);
-
поиск закономерностей в данных (data mining);
-
комбинаторные и алгебраические методы анализа алгоритмов;
-
обработка сигналов и анализ временных рядов;
-
обработка и анализ изображений;
-
анализ текстов (text mining);
-
прикладные системы распознавания и прогнозирования.
Студенты и аспиранты кафедры регулярно участвуют в работе научных конференций
ММРО
(Математические Методы Распознавания Образов, Москва)
и
ИОИ
(Интеллектуализация Обработки Информации, Алушта),
в организации которых сотрудники кафедры принимают самое непосредственное участие.
Направления прикладных исследований и разработок
-
прикладные системы классификации и распознавания образов;
-
прогнозирование в экономических системах;
-
анализ клиентских сред для производственных, телекоммуникационных, торговых компаний;
-
кредитный скоринг и оценка рисков;
-
мониторинг финансовых рынков и автоматические торговые системы;
-
анализ пользовательского поведения в сети (web usage mining);
-
поиск и идентификация заимствований (плагиата);
-
имитационное моделирование.
Специализация «Интеллектуальный анализ данных»
предоставляет увлекательную возможность заниматься самыми разными предметными областями,
применяя к ним одну и ту же фундаментальную математику.
Имеется возможность совмещать обучение на специализации с работой
в отделе Вычислительных методов прогнозирования ВЦ РАН
или в компании Форексис,
занимаясь разработкой и внедрением наукоемких программных продуктов
и систем интеллектуального анализа данных.
Партнерами и клиентами Форексис являются:
КБ «Петрокоммерц»,
ТД «Перекресток»,
ММВБ,
РАО ЕЭС,
SAS Institute,
МТС,
АП «Домодедово», и др.
Направление:
511600 — «Прикладная математика и физика»
Магистерская программа:
511656 — «Математические и информационные технологии»
Название курса
| Преподаватели
| Курссеместр
|
36
| 47
| 48
| 59
| 510
| 611
|
Алгебраические системы
| Лавров | Н | Э | | | |
|
Машинное обучение
| Воронцов | Э | Э | | | |
|
Семинар по специальности
| все по очереди
| – | | | | |
|
Численные методы обучения по прецедентам (практикум)
| Чехович | Д | Д | Н | | |
|
Методы дискретного анализа в распознавании образов
| Журавлев | | | Э | | |
|
Основания алгебраического подхода к синтезу корректных алгоритмов
| Рудаков | | Д | Э | | |
|
Обработка изображений
| Местецкий | | | Д | | |
|
Анализ и распознавание изображений
| Местецкий | | | | Э | |
|
Обработка сигналов и многомерных массивов данных
| Моттль | | | | Д | Э |
|
Прикладной комбинаторный анализ
| Сметанин | | | | Э | |
|
Дискретная оптимизация
| Сигал | | | | | Э |
|
Программные пакеты интеллектуального анализа данных
| Чехович | | | | Н | Н |
|
Интеллектуальные системы
| Рудаков | | | | | | Д
|
Анализ данных в метрических пространствах
| Майсурадзе | | | | | | Э
|
Информационное моделирование
| Стрижов | | | | | | Э
|
Требования учебного отдела:
|
НИР
| | | Д | Д | Д | Д | Д
|
Всего зачетов (не более)
| | 1 | 2 | 2 | 3 | 2 | 3
|
Всего экзаменов (не более)
| | 1 | 2 | 2 | 2 | 2 | 4
|
Всего часов (не более)
| | 8 | 8 | 8 | 8 | 4 | 12
|
Э - экзамен
Д - дифференцированный зачет
Н - недифференцированный зачет
Телефон: 135-41-63
Адрес электронной почты: