О курсе

Преподаватель: Максим Болонкин, Ph.D.

Данный курс читается студентам магистратуры филиала МГУ им. М.В. Ломоносова в г. Ташкенте.
Цель данного курса состоит в знакомстве студентов с методами и алгоритмами вычислительной математики, которые не покрываются в достаточной мере в других курсах программы, но представляют собой интерес для научной и инженерной работы.


Материалы курса

Дата Тема занятия Тип занятия Материалы
1 7 сентября Введение. Ошибки и источники ошибок. Лекция Видео
Слайды (введение)
Слайды (источники ошибок)
2 8 сентбяря LU разложение матриц Лекция Видео
Слайды
3 9 сентября Разложение Холецкого. QR разложение. Лекция Видео
Слайды
4 10 сентября Python tutorial Семинар Видео
Notebook
5 11 сентября SVD разложение матриц Лекция/Семинар Видео
Notebook
Слайды
6 13 сентября Метод степеней для нахождения собственных значений и собственных векторов
Задача наименьших квадратов
Лекция Видео
Слайды (метод степеней)
Слайды (задача наименьших квадратов)
7 15 сентября Линейная задача наименьших квадратов Лекция Видео
Слайды
8 17 сентября Нелинейная задача наименьших квадратов (продолжение лекции) Задача наименьших квадратов (семинар) Лекция/Семинар Видео
Слайды (задача наименьших квадратов)
Notebook
9 18 сентября Повторение: теория вероятностей Лекция Видео
Слайды
10 20 сентября Моделирование данных: MLE, MAP Лекция Видео
Слайды
11 22 сентября Моделирование данных: EM-алгоритм Лекция Видео
Слайды
12 27 сентября Моделирование данных (семинар) Лекция/Семинар Видео
Notebook
13 29 сентября Нелинейная оптимизация Лекция Видео
Слайды
14 8 октября Нелинейная оптимизация: модификации метода Stochastic Gradient Descent Лекция Видео
Слайды
15 9 октября Нелинейная оптимизация Семинар Видео
Notebook
16 16 октября Эвристические методы оптимизации Лекция Видео
Слайды
17 22 октября Эвристические методы оптимизации Лекция/Семинар Видео
Слайды
Notebook
18 23 октября Методы уменьшения размерности данных (PCA/Isomap/LLE) Лекция Видео
Слайды
19 29 октября Методы уменьшения размерности данных (ICA/t-SNE) Лекция Видео
Слайды
20 30 октября Методы уменьшения размерности данных (LDA)
Метрики в машинном обучении
Лекция Видео
Слайды
21 5 ноября Методы уменьшения размерности данных Семинар Видео
Notebook
22 6 ноября Метод Монте-Карло
Генерация случайных значений (inverse CDF, rejection sampling)
Лекция Видео
Слайды
23 8 ноября Метод Монте-Карло
Генерация случайных значений (inverse CDF, rejection sampling)
Семинар Видео
Notebook
24 12 ноября Markov Chain Monte Carlo
Алгоритм Метрополиса-Гастингса
Gibbs Sampling
Лекция Видео
Слайды
25 22 ноября RANSAC
Markov Chain Monte Carlo, Gibbs Sampling
Лекция/Семинар Видео
Слайды
Notebook
26 26 ноября Случайные марковские поля (Markov Random Fields) Лекция Видео
Слайды
27 29 ноября Случайные марковские поля (Markov Random Fields) Лекция Видео
Слайды
28 3 декабря Решение обыкновенных дифференциальных уравнений Лекция Видео
Слайды
29 10 декабря Решение краевой задачи (Лекция)
Решение ОДУ (Семинар)
Лекция/Семинар Видео ()
Видео (семинар)
Слайды
Notebook
30 13 декабря Сигналы и фильтры Видео (часть 1)
Видео (часть 2)
Слайды
31 17 декабря Сигналы и фильтры, обработка изображений Лекция Видео
Слайды
32 20 декабря Сигналы и фильтры, обработка изображений Лекция Видео
Слайды
33 24 декабря Сигналы и фильтры Семинар Видео
Notebook
34 27 декабря Дополнительные главы: Скрытые марковские цепи Лекция Видео
Слайды
35 14 января Дополнительные главы: Скрытые марковские цепи Семинар Видео
Notebook
36 17 января Дополнительные главы: Байесовская оптимизация Лекция Видео
Слайды
37 21 января Дополнительные главы: Фильтр Калмана Лекция Видео
Слайды
38 22 января Консультация Семинар Видео

Домашние задания

Домашняя работа Задание Файлы
Базовая скачать скачать
Продвинутая скачать скачать
Вопросы экзамена скачать
Если у вас есть идея для семестрового самостоятельного проекта, который бы соответствовал содержанию курса, можете обратиться ко мне в телеграм-чате.