skip to content
se.moevm.info
User Tools
Log In
Site Tools
Search
Tools
Show pagesource
Old revisions
Backlinks
Recent Changes
Media Manager
Sitemap
Log In
>
Recent Changes
Media Manager
Sitemap
You are here:
МОЭВМ Вики
»
Курсы
»
Анализ и интерпретация данных
»
Экзамен
Sidebar
Регистрация первокурсников
Дипломникам (4 и 6 курс!)
Аспирантам
Регистрация результатов интеллектуальной деятельности (РИД)
Часто задаваемые вопросы о зачетах, экзаменах и пересдачах
1 курс
Программирование
Информатика
2 курс
Объектно-ориентированное программирование
Алгоритмы и структуры данных
Построение и анализ алгоритмов
3 курс
Базы данных
Основы промышленной разработки ПО
Тестирование
Искусственные нейронные сети
Базы знаний и экспертные системы
Научно-исследовательская практика
Производственная практика на кафедре МО ЭВМ, 3 курс
4 курс
Введение в нереляционные базы данных
Основы подготовки научных публикаций
Цифровая обработка сигналов
Машинное обучение
Проектирование человеко-машинного интерфейса
Статистические методы обработки экспериментальных данных
Разработка приложений для мобильных платформ
Аттестация за преддипломную практику (весенний семестр 4 и 6 курса)
Допуск до защиты ВКР (проверка демонстрационных материалов)
5 курс
Машинное обучение
Технологии автоматизации разработки ПО
Инструменты для анализа данных: R, Pandas
Анализ и интерпретация данных
Анализ, моделирование и оптимизация систем
Программные средства разработки систем искусственного интеллекта
Управление промышленной разработкой ПО
Нейронные сети (магистратура) для групп 2024 года
blockchain
Обучение с подкреплением
Представление знаний и системы искусственного интеллекта
(учебная практика и НИР)Аттестация магистрантов первого семестра обучения
(производственная практика НИР)Аттестация магистрантов второго семестра обучения
6 курс
Компьютерное Зрение
Пространственный искусственный интеллект
Smart Data
Knowledge Graphs
Многопоточное и распределённое программирование
Представление знаний и системы искусственного интеллекта
Robot OS
(производственная практика НИР)Аттестация магистрантов третьего семестра обучения
Аттестация за преддипломную практику (весенний семестр 4 и 6 курса)
Допуск до защиты ВКР (проверка демонстрационных материалов)
Научно-технический семинар 2024 (бывш. конференция ППС)
Регистрация научных профилей
Развертывание студенченских проектов
Moodle - хитрости, проблемы, решения (для преподавателей и авторов задач)
Domain-driven design
AutoML
Олимпиадное программирование
FAQ
Old
Summer Schools
Отправка отчетов
SPCN 2020
Магистрам
Учебные материалы по работе со Stepik
МДП
Разработка ПО с GUI
AI Systems practice
Список конференций
Сотрудникам
Функциональное программирование
Технологии хранения данных
Автоматизация учебных задач
courses:data_analysis_and_interpretation:exam
This is an old revision of the document!
Экзамен
Список экзаменационных вопросов
Проблема обработки данных. Матрица данных. гипотеза компактности и скрытых факторов.
Структура матрицы данных и задачи обработки. Матрица объект-объект и признак-признак. Расстояние и близость.
Измерение признаков. Отношения и их представление. Основные проблемы измерений.
Основные типы шкал. Проблема адекватности. Классификация данных: общая постановка задачи.
Решающие функции и основные подходы к их построению.
Классификация данных как статистическая задача.
Классификация в случае двух нормальных распределений с равными матрицами ковариаций.
Примеры построения решающих функции для нормальных распределений с равными диагональными матрицами ковариаций.
Ошибки классификации для случая двух нормальных распределений с равными матрицами ковариаций.
Апостриорная вероятность отнесения данных к классу (на основе теоремы Байеса) для случая многомерных нормальных распределений.
Классификация при количестве классов больше двух (нормальное распределение с равными матрицами ковариаций).
Классификация для случая двух нормальных распределений с разными матрицами ковариаций.
Линейный дискриминант Фишера.
Пошаговый дискриминантный анализ.
Кластерный анализ: общая постановка задачи, определение расстояний между объектами и кластерами, критерии кластеризации.
Последовательная процедура итеративной оптимизации в задачах кластер-анализа.
Параллельная процедура кластеризации. Алгоритм К-внутригрупповых средних.
Алгоритм автоматической классификации на основе алгоритма адаптивного выбора подклассов (АВП).
Иерархическая группировка.
Обучаемые классификаторы: детерминистский подход. Вероятность получения линейного разделения классов.
Построение линейных решающих правил персептронного типа – обучение с коррекцией ошибок.
Построение линейных решающих функции методом градиентной минимизации функции качества.
Алгоритмы оценки информативности признаков.
Метод главных компонент для выбора признаков.
Факторный анализ: общая модель.
Структура факторных уравнений. Неоднозначность факторного решения. Метод главных факторов.
Метод центроидных факторов.
Проблема оценки значений факторов и виды факторных моделей.
Оценки общностей и вращение факторов.
Многомерное шкалирование.
courses/data_analysis_and_interpretation/exam.1547161529.txt.gz
· Last modified: 2022/12/10 09:08 (external edit)
Page Tools
Show pagesource
Old revisions
Backlinks
Export to PDF
Rename Page
ODT export
Back to top