Практикум по дискретным структурам — различия между версиями
| Строка 6: | Строка 6: | ||
Чтение курса обеспечивается кафедрой математической кибернетики, лекторы — м.н.с. [[Бухман Антон Владимирович]]. | Чтение курса обеспечивается кафедрой математической кибернетики, лекторы — м.н.с. [[Бухман Антон Владимирович]]. | ||
| − | == | + | == Цель курса == |
| + | Цель: изучить/повторить наиболее изветсные дискретные модели, которые используются на практике, и освоить програмные инструменты работы ними. | ||
| − | + | == Лекции по курск == | |
| − | |||
| − | + | Лекция 1. Регулярные выражения и обработка тескта. | |
| − | + | Лекция 2. Преобразование Фурье в приложении к обработке аудио и видео сигналов. | |
| − | + | Лекция 3. Sat-решатели и их приложения. | |
| − | + | Лекция 4. Задачи машинного обучения. Классические модели Machine Learning. | |
| − | + | Лекция 5. Нейронные сети и их применение к задачам ML. | |
| − | 8. Скрытые Марковские модели и их приложения. | + | Лекция 6. Final State Transducers и их применение к задачам распознавания звука. |
| + | |||
| + | Лекция 7. Лингвистические модели и задачи обработки текста. | ||
| + | |||
| + | Лекция 8. Скрытые Марковские модели и их приложения. | ||
В рамках данного курса предусмотрено 7 практических заданий. Для получения зачёта необходимо сдать все 7 заданий. | В рамках данного курса предусмотрено 7 практических заданий. Для получения зачёта необходимо сдать все 7 заданий. | ||
| Строка 29: | Строка 33: | ||
=== Домашние задания === | === Домашние задания === | ||
| + | |||
Реализовать алгоритм перебора всех остовных деревьев заданного графа | Реализовать алгоритм перебора всех остовных деревьев заданного графа | ||
Построить классификатор применяя бустинг на основе деревьев решений | Построить классификатор применяя бустинг на основе деревьев решений | ||
Проверка выполнимости КНФ на основе метода ветвей и границ | Проверка выполнимости КНФ на основе метода ветвей и границ | ||
Версия 11:34, 5 февраля 2021
Курс по магистерской программе Дискретные структуры и алгоритмы.
Чтение курса обеспечивается кафедрой математической кибернетики, лекторы — м.н.с. Бухман Антон Владимирович.
Цель курса
Цель: изучить/повторить наиболее изветсные дискретные модели, которые используются на практике, и освоить програмные инструменты работы ними.
Лекции по курск
Лекция 1. Регулярные выражения и обработка тескта.
Лекция 2. Преобразование Фурье в приложении к обработке аудио и видео сигналов.
Лекция 3. Sat-решатели и их приложения.
Лекция 4. Задачи машинного обучения. Классические модели Machine Learning.
Лекция 5. Нейронные сети и их применение к задачам ML.
Лекция 6. Final State Transducers и их применение к задачам распознавания звука.
Лекция 7. Лингвистические модели и задачи обработки текста.
Лекция 8. Скрытые Марковские модели и их приложения.
В рамках данного курса предусмотрено 7 практических заданий. Для получения зачёта необходимо сдать все 7 заданий. Приём заданий происходит на семинарах во время выступления студента.
Домашние задания
Реализовать алгоритм перебора всех остовных деревьев заданного графа Построить классификатор применяя бустинг на основе деревьев решений Проверка выполнимости КНФ на основе метода ветвей и границ
