Laboratory of Structural Methods of Data Analysis in Predictive
Modeling Moscow Institute of Physics and Technology
ENG
Логин:
Пароль:

Лекция Основы статистического моделирования и исследование зависимостей

Преподаватели:
Burnaev Evgeny
Должность: Ведущий научный сотрудник
Panov Maxim
Должность: Младший научный сотрудник

Описание курса

В типичных курсах математической статистики основное внимание уделено классическим статистическим методам. Однако, на практике зачастую применяются современные методы статистики, например, бутстреп, непараметрическое оценивание, сглаживание на основе разложения по ортогональным базисам, методы снижения размерности и анализа чувствительности и т.д. Понимание теории, лежащей в основе этих методов, а также умение применить их на практике, абсолютно необходимо каждому, кто занимается математической статистикой и анализом данных.

Именно поэтому и был разработан предлагаемый курс, отличающийся от стандартных курсов математической статистики тем, что:

  1. В этом курсе разобран ряд очень важных современных методов ста- тистики, которые зачастую не включены в программы стандартных курсов математической статистики. Например, это методы непараметрической регрессии, бутстрепа, сглаживания на основе разложения по ортогональным базисам, снижения размерности, анализа чувствительности и др.

  2. Показано, как идеи из математической статистики могут применять- ся в современных методах машинного обучения для улучшения суще- ствующих процедур анализа и обработки данных.

  3. Применение изложенных методов проиллюстрировано на примере ре- шения реальных индустриальных задач с применением метамоделей (суррогатных моделей), то есть моделей, основанных на данных, которые являются результатами натурных и/или вычислительных экс- периментов, проведенных с различными объектами рассматриваемого класса. Использование метамоделей позволяет существенно уменьшить время моделирования с использованием «полноразмерных» моделей, основанных на «физике процессов» и описывающих физические процессы и явления, происходящие при функционировании объекта, сложными дифференциальными уравнениями в частных производных с граничными условиями. Сокращение времени моделирования в свою очередь помогает проанализировать большее количество вариантов построения объекта при различных управлениях и условиях внешней среды и получить более надежное конструкторское решение.

Даты проведения и расписание:
Дата Расписание

01.09.2014
-
24.12.2014
ИППИ РАН