Учебные курсы кафедры

Материал из Public ATP Wiki
Версия от 18:50, 31 января 2021; VeLKerr (обсуждение | вклад) (Учебные курсы кафедры Алгоритмов и технологий программирования)
Перейти к: навигация, поиск

Учебные курсы кафедры Алгоритмов и технологий программирования

Весенний семестр 2020 года - основные дисциплины

1 курс 2 курс 3 курс 4 курс 5 курс

История и методология прикладной математики и информатики Программирование на Java Хранение и обработка больших объемов данных


Осенний семестр 2020 года - основные дисциплины

1 курс 2 курс 3 курс 4 курс 5 курс 6 курс

Формальные языки и трансляции

Параллельные и распределенные вычисления

Промышленное программирование на Java

Методы оптимизации

Full-stack разработка

Сложность вычислений

Математическая статистика

Технологии программирования и операционные системы

Анализ изображений

Машинное обучение на больших объемах данных

Весенний семестр 2020 года - основные дисциплины

1 курс 2 курс 3 курс 4 курс 5 курс 6 курс

Алгоритмы и структуры данных (поток ИВТ)

Теория и практика многопоточной синхронизации

Хранение и обработка больших объемов данных

Технологии программирования и операционные системы - 2

Осенний семестр 2019 года - основные дисциплины

1 курс 2 курс 3 курс 4 курс 5 курс 6 курс

Формальные языки и трансляции

Параллельные и распределенные вычисления

Промышленное программирование на Java

Методы оптимизации

Full-stack разработка

Сложность вычислений

Математическая статистика

Технологии программирования и операционные системы

Машинное обучение на больших объемах данных

Осенний семестр 2018 года - основные дисциплины

1 курс 2 курс 3 курс 4 курс 5 курс 6 курс

Введение в программирование (базовый поток)

Введение в программирование (основной поток)

Архитектура компьютеров и операционные системы (ПМИ, набор 2017 года)

Алгоритмы и структуры данных (базовый поток)

Алгоритмы и структуры данных (основной поток)

Формальные языки и трансляции

Дополнительные главы Архитектуры компьютеров и операционных систем (ПМИ, набор 2016 года)

Параллельные и распределенные вычисления

Проектирование программных систем

Прикладное машинное обучение

Робастные методы в статистике

Теория решеток для анализа и разработки данных

Анализ изображений

Машинное обучение на больших объемах данных

Работа с данными в индустрии

Адаптационные курсы магистратуры 2018

Внимание! Эти дисциплины могут выбрать в качестве вариативных дисциплин только те магистранты, которые поступили в магистратуру ФИВТ не из МФТИ, или (по рекомендации научных руководителей) с других факультетов МФТИ.

Введение в программирование C++, часть 1 (осень, 9 семестр)

Введение в программирование C++, часть 2 (весна, 10 семестр)

Машинное обучение (весна, 10 семестр)

Технологии программирования и операционные системы (осень, 11 семестр)

Научно-исследовательская работа

Примеры тем НИР прошлых лет

2016 год

  1. Тестирование распределенных приложений в экосистеме Hadoop.
  2. Учет внешних данных при построении рекомендаций.
  3. Новая модель «атомов в соединении» и особенности химических свойств сверхтяжелых элементов.
  4. Оптимизация размещения объектов в памяти виртуальной машины Java.
  5. Разработка расширенного интерфейса пользователя к базе пространственных структур РНК.

2017 год

TBD

2018 год

  1. Решение задачи нахождения особых точек лица на сделанных при помощи мобильного телефона фотографиях
  2. Разработка рекомендательной системы для подбора одежды
  3. Обучение человекоподобного агента в физическом симуляторе
  4. Исследование задачи трекинга лица для фотографий и видео, сделанных на мобильный телефон
  5. Классификация триплексов в структурах РНК
  6. Персонализированные рекомендательные системы в области индустрии моды

2019 год

  1. Анализ стоимостной модели распределённого SQL-запроса в СУБД Tarantool
  2. Аннотация и анализ третичных мотивов РНК типа A-кластер
  3. Исследование, разработка и реализация методов автоматической классификации поисковых запросов
  4. Составление гардеробов на основе примеров наборов одежды на человеке при помощи генеративно-состязательных сетей
  5. Исследование характеристик потокового подхода к выкачке больших объемов данных
  6. Сравнение методов трикластеризации в задаче извлечения информации
  7. Предсказание триплексов рибонуклеотидов методами машинного обучения
  8. Разработка программного обеспечения для анализа данных функциональной томографии и его применение в энцефалографии

2020 год

  1. Индексирование многомерных данных при помощи кривой Мортона в NoSQL in-memory СУБД
  2. Построение векторной модели текстов финансовой тематики для решения задачи аннотирования отзывов
  3. Сообщества и роли в задаче классификации вершин графа
  4. Анализ третичных взаимодействий в структурах РНК
  5. Решение задачи быстрого сопоставления изображений в электронной коммерции с использованием методов машинного обучения
  6. Методы автоматического построения экстрактивной аннотации текста на основе эмбеддингов слов и предложений

2021 год

TBD