• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Магистратура 2021/2022

Предсказательное моделирование

Лучший по критерию «Новизна полученных знаний»
Статус: Курс по выбору (Науки о данных (Data Science))
Направление: 01.04.02. Прикладная математика и информатика
Когда читается: 2-й курс, 1, 2 модуль
Формат изучения: без онлайн-курса
Охват аудитории: для своего кампуса
Преподаватели: Зайцев Алексей Алексеевич
Прогр. обучения: Науки о данных
Язык: русский
Кредиты: 8
Контактные часы: 54

Программа дисциплины

Аннотация

Сутью методологии предсказательного моделирования является построение «облегченных» математических моделей поведения сложных многокомпонентных систем, позволяющих сочетать простоту вычислений по модели с достаточной точностью и надежностью. Этот подход является альтернативой традиционному подходу в математическом моделировании, когда модель строится «из первых принципов» как адекватное математическое описание собственной динамики системы. Предсказательное моделирование опирается на такие области математики, как теория аппроксимации, обучение машин, математическая статистика, теория информации, теория игр.
Цель освоения дисциплины

Цель освоения дисциплины

  • Целью освоения курса является изучение системы современных методов построения эффективных математических моделей поведения сложных многокомпонентных систем.
Планируемые результаты обучения

Планируемые результаты обучения

  • Знать основные понятия и методы математической статистики, относящиеся к анализу многомерных данных
  • Понимать и применять в исследовательской и прикладной деятельности аппарат теории вероятностей и математической статистики
  • Понимать природу изучаемых методов и их место в общей системе теоретико-вероятностного и статистического знания;
  • Уметь использовать в профессиональной деятельности знания в области предсказательного моделирования
  • Уметь применять изученные статистические методы для анализа многомерных данных.
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Элементы теории статистических решений
  • Элементы теоретической математической статистики.
  • Основные модели многомерных данных.
  • Обзор основных задач анализа многомерных данных
  • Линейный регрессионный анализ.
Элементы контроля

Элементы контроля

  • неблокирующий Аудиторная работа
  • неблокирующий Самостоятельная работа
  • неблокирующий Контрольная работа
  • неблокирующий Экзамен
  • неблокирующий Аудиторная работа
  • неблокирующий Самостоятельная работа
  • неблокирующий Контрольная работа
  • неблокирующий Экзамен
Промежуточная аттестация

Промежуточная аттестация

  • 2021/2022 учебный год 2 модуль
    0.4 * Экзамен + 0.2 * Аудиторная работа + 0.2 * Контрольная работа + 0.2 * Самостоятельная работа
Список литературы

Список литературы

Рекомендуемая основная литература

  • Введение в теорию массового обслуживания, Гнеденко, Б. В., 1987
  • Введение в теорию массового обслуживания, Гнеденко, Б. В., 2011
  • Линейный регрессионный анализ, Себер, Дж., 1980
  • Математические методы статистики, Крамер, Г., 1975
  • Прикладная статистика : основы моделирования и первичная обработка данных: справочное изд., Айвазян, С. А., 1983
  • Теория статистических выводов, Закс, Ш., 1975

Рекомендуемая дополнительная литература

  • Прикладная статистика : исследование зависимостей : справ. изд., Айвазян, С. А., 1985
  • Прикладная статистика : классификация и снижение размерности: справ. изд., Айвазян, С. А., 1989