404 Cтраница не найдена
Мы используем файлы cookies для улучшения работы сайта МГТУ и большего удобства его использования. Более подробную информацию об использовании файлов cookies можно найти здесь. Продолжая пользоваться сайтом, вы подтверждаете, что были проинформированы об использовании файлов cookies сайтом ФГБОУ ВО “МГТУ” и согласны с нашими правилами обработки персональных данных.
Размер:
AAA
Изображения Вкл. Выкл.
Обычная версия сайта
К сожалению запрашиваемая страница не найдена.
Но вы можете воспользоваться поиском или картой сайта ниже
|
|
Педагогический (научно-педагогический) составЗадачи для студентов и аспирантов кафедры К6 «Высшая математика и физика».
Космический факультет. Мытищинский филиал МГТУ им. Н. Э. Баумана (МГУЛ) Задачи для студентов и аспирантов кафедры К6 «Высшая математика и физика». Космический факультет. Мытищинский филиал МГТУ им. Н. Э. Баумана (МГУЛ)
Космический факультет
ГУК, к. 255, 253
Телефон: 8 (498) 687-43-94, 8 (498) 687-35-98
E-mail: [email protected], [email protected]
Математика
Программа вступительного экзамена в аспирантуру
Пособия Полещук О.М.
- Типовые расчеты по теории вероятностей, математической статистике и теории случайных процессов. Практикум для всех специальностей МГУЛ (.pdf)
- Математическая статистика (лабораторные работы)
-
Элементы линейной алгебры
-
Основные понятия теории вероятностей и математической статистики
Лабораторные работы по высшей математике
- Математическая статистика
- Численные методы
- Комбинаторика и теория графов:
- Комбинаторика
- Задача поиска кратчайшего пути
- Теория графов
Методические пособия по высшей математике
- Геометрия
- Преобразования
- Уравнения и неравенства
Помните ли вы математику? (Задачи по высшей математике для студентов и аспирантов)
- Аналитическая геометрия
- Введение в анализ
- Вероятность
- Дискретная математика
- Кратные интегралы
Физика
Лабораторные работы по физике
Механика и молекулярная физика:
- Лабораторная работа № 5
- Лабораторная работа № 6
- Лабораторная работа № 7
- Лабораторная работа № 9
- Лабораторная работа № 10
- Лабораторная работа № 11
- Лабораторная работа № 12
- Лабораторная работа № 13
- Лабораторная работа № 13pc
- Лабораторная работа № 14
- Лабораторная работа № 15
- Лабораторная работа № 15pc
- Лабораторная работа № 16
- Лабораторная работа № 19
- Лабораторная работа № 20
- Лабораторная работа № 21
- Лабораторная работа № 22
Оптика:
- Лабораторная работа № 41
- Лабораторная работа № 43
- Лабораторная работа № 43а
- Лабораторная работа № 43б
- Лабораторная работа № 44
- Лабораторная работа № 47
- Лабораторная работа № 48
- Лабораторная работа № 50
- Лабораторная работа № 52
- Лабораторная работа № 54
- Лабораторная работа № 55
Электричество:
- Лабораторная работа № 1
- Лабораторная работа № 2
- Лабораторная работа № 3
- Лабораторная работа № 4
- Лабораторная работа № 5
- Лабораторная работа № 30
- Лабораторная работа № 31
- Лабораторная работа № 32
- Лабораторная работа № 33
- Лабораторная работа № 34
- Лабораторная работа № 35
- Лабораторная работа № 42
- Лабораторная работа № 46
- Лабораторная работа № 49
Лабораторные работы по ТОЭ:
- Компьютерный лабораторный практикум по ТОЭ (.
rar) - Лабораторные работы по ТОЭ (Батырев)
rar)Обработка лабораторных работ а EXCEL:
- Обработка в EXCEL 2003
Расчетно-графические и курсовые работы по физике
- Контрольные работы для студентов-заочников (специальность ЛД — 250100.62) тесты по физике
- Электротехника (ТОЭ) РГР № 1
- Электротехника (ТОЭ) РГР № 2
- Электротехника (ТОЭ) РГР № 3
- Электротехника (ТОЭ) РГР № 4
- Контрольные работы по электротехнике (ТОЭ)
- Контрольные работы для студентов-заочников. Тесты по физике. Часть 1
- Контрольные работы для студентов-заочников. Тесты по физике. Часть 2
- Темы рефератов по КСЕ
Тесты по физике
- Тесты по физике кинематика и динамика абсолютно твердого тела
- Тесты по физике электродинамика
- Тесты по физике квантовая, атомная и ядерная физика
- Тесты по физике молекулярная физика и термодинамика
- Тесты по физике волновая оптика
Кафедра К6
Математика для информатики | Coursera
Об этом курсе
50 730 недавних просмотров
«Добро пожаловать в Введение в вычислительную математику.
Это разработано, чтобы дать вам часть математических основ, необходимых для работы в области информатики в любом из ее направлений, от бизнеса до визуального цифрового искусства, музыки, игр. На любом этапе решения задач и этапа моделирования вам потребуются численные и вычислительные инструменты. Мы познакомим вас с двоичными и другими системами счисления, некоторыми инструментами для понимания последовательностей чисел, как представлять пространственные числа с помощью координат, как изучать изменения величин с помощью функций и их графиков. Для этого мы подготовили для вас решения вычислительных и повседневных задач с помощью этих инструментов, от отправки секретных сообщений до проектирования компьютерной графики.
Гибкие сроки
Сброс сроков в соответствии с вашим графиком.
Общий сертификатОбщий сертификат
Получите сертификат по завершении
100% онлайн100% онлайн
Начните сразу и учитесь по собственному графику.
Курс 3 из 3 в
Специализация «Введение в информатику и программирование»
Начальный уровеньНачальный уровень
Часов для завершенияПрибл. 38 часов
Доступные языкиАнглийский
Субтитры: арабский, французский, португальский (европейский), итальянский, вьетнамский, немецкий, русский, английский, испанский
Чему вы научитесь
1. Преобразование чисел между системами счисления и выполнять арифметические действия в системе счисления
2. Определять, описывать и вычислять последовательности чисел и их суммы.
3. Представьте и опишите пространство численно, используя координаты и графики.
4. Изучать, представлять и описывать изменения величин с помощью функций и их графиков.
Гибкие сроки
Сброс сроков в соответствии с вашим графиком.
Общий сертификатОбщий сертификат
Получение сертификата по завершении
100 % онлайн100 % онлайн
Начните сразу и учитесь по собственному расписанию.
Курс 3 из 3 в специализации
Введение в информатику и программирование
Начальный уровеньНачальный уровень
Часов для завершенияПрибл. 38 часов
Доступные языкиАнглийский
Субтитры: арабский, французский, португальский (европейский), итальянский, вьетнамский, немецкий, русский, английский, испанский
Инструкторы
Omar Karakchi
28,293 Learners
1 Course
Dr Matthew Yee-King
Lecturer
Computing Department, Goldsmiths, University of London
348,828 Learners
43 Courses
Предложение
Лондонский университет
Лондонский университет является федеральным университетом, в который входят 17 ведущих мировых колледжей.
Обладая обширным опытом дистанционного обучения с 1858 года, Лондонский университет обогатил жизнь тысяч студентов, предоставляя высококачественные дипломы по всему миру. Сегодня Лондонский университет является мировым лидером в области гибкого обучения, предлагая программы на получение степени более чем 45 000 студентов в более чем 19 странах мира.0 стран, проводящих ведущие исследования по всему миру. Чтобы узнать больше о Лондонском университете, посетите сайт www.london.ac.uk
Goldsmiths, Лондонский университет
Отстаивая научно-исследовательские степени, которые пробуждают мысли, развивают воображение и погружают в мир завтрашнего дня, в Goldsmiths мы спрашиваем вопросы, которые имеют значение в настоящее время в таких разнообразных предметах, как искусство и гуманитарные науки, социальные науки, культурология, вычислительная техника, предпринимательский бизнес и менеджмент. Мы сообщество, определяемое его людьми: новаторское по духу, аналитическое по подходу и открытое для всех.
Начните работать над получением степени бакалавра
Этот курс связан со 100% онлайн-программой бакалавриата компьютерных наук Лондонского университета. Он предоставит вам предварительный просмотр тем, материалов и преподавателей, чтобы вы могли решить, подходит ли вам полная онлайн-программа получения степени.
Узнать больше
Отзывы
4.2
Заполнено StarFilled StarFilled StarFilled StarStar67 отзывов
5 stars
58.76%
4 stars
18.04%
3 stars
10.82%
2 stars
5.15%
1 star
7.21%
ЛУЧШИЕ ОТЗЫВЫ ПО МАТЕМАТИКЕ ДЛЯ КОМПЬЮТЕРНЫХ НАУК
Заполнено Звездами Заполнено Звездами Заполнено Звездами Заполнено Звездамиот GSM 13 марта 2021 г.
Отличное содержание и способ его преподавания сделали его простым.
by KANov 17, 2022
Большое спасибо за хороший курс, подробное и лаконичное объяснение, особенно модульной арифметики. Раньше у меня были некоторые проблемы с этим.
Заполненная Звезда Заполненная Звезда Заполненная Звезда Заполненная Звездаот AJ 31 мая 2020 г. 2021
Простой для понимания и хорошо обученный, я даже могу узнать человека по номеру карты.
Просмотреть все отзывы
О специализации «Введение в информатику и программирование»
Эта специализация охватывает самые разные темы, от базовых принципов вычислений до математических основ, необходимых для информатики. Вы изучите основные концепции работы компьютеров, которые можно применить к любому программному обеспечению или компьютерной системе. Вы также приобретете практические навыки, необходимые для написания интерактивных графических программ на начальном уровне.
Компонент числовой математики предоставит вам числовые и вычислительные инструменты, которые необходимы для решения задач и этапов моделирования в области информатики.
Часто задаваемые вопросы
Еще вопросы? Посетите Справочный центр для учащихся.
Гарвардская школа инженерии и прикладных наук имени Джона А. Полсона
Этот курс представляет собой систематическое введение в вычислительную технику (с помощью ноутбуков Python и Jupyter) для научных и инженерных приложений. Приложения взяты из широкого круга дисциплин, включая физические, финансовые и биолого-эпидемиологические проблемы. Курс состоит из двух частей: 1. Основы: основные элементы вычислений, включая типы переменных, списки, массивы, итерацию и поток управления (циклы for, while, оператор if), определение функций, рекурсию, работу с файлами и простые графики. , численное дифференцирование, подгонка кривых и анализ ошибок, инструменты построения графиков и визуализации в более высоких измерениях.
2. Расширенный: нахождение корней, разложение в ряды, численное интегрирование, решение простых обыкновенных уравнений и уравнений в частных производных, использование случайных чисел для выборки и моделирования, таких как интегрирование Монте-Карло и случайные блуждания. Курсовая работа состоит из посещения лекций и лабораторных работ, еженедельных домашних заданий, промежуточного проекта и итогового проекта; в то время как работа разрабатывается совместно, задания по кодированию представляются индивидуально.
Этот курс охватывает сочетание линейной алгебры и многомерного исчисления с прицелом на решение систем уравнений и задач оптимизации. Студенты узнают, как доказать некоторые ключевые результаты, а также реализуют эти идеи с помощью кода. Линейная алгебра: матрицы, векторные пространства, основания и размерность, внутренние продукты, задачи наименьших квадратов, собственные значения, собственные векторы, сингулярные значения, сингулярные векторы.
Многомерное исчисление : частичное дифференцирование, градиент и гессиан, критические точки, множители Лагранжа.
Многомерное и векторное исчисление, дополненное численными методами. Многомерное исчисление: множественное интегрирование, функции двух или трех переменных, аппроксимирующие функции. Параметризованные кривые, линейные и поверхностные интегралы. Векторное исчисление: градиент, дивергенция и ротор, теоремы Грина, дивергенция. Комплексные числа. Выберите темы дифференциальных уравнений.
Веб-сайт курса Этот курс представляет собой введение в проблемы и вопросы прикладной математики, уделяя особое внимание областям, в которых математические идеи оказали большое влияние на различные области человеческих исследований. Курс организован вокруг двухнедельных тем, взятых из различных областей, и включает в себя чтение классических математических статей по каждой теме. Курс также представляет собой введение в математическое моделирование и программирование.
Чтение под наблюдением или исследование по темам, не охватываемым обычными курсами. Для концентраторов AM работа может контролироваться преподавателями других отделов. Для неконцентраторов работа должна контролироваться преподавателем AM. Студенты должны получить одобрение (помощника) директора бакалавриата и получить его подпись перед отправкой форм AM91r.
Веб-сайт курсаЧтение под наблюдением или исследование по темам, не охватываемым обычными курсами. Для концентраторов AM работа может контролироваться преподавателями других отделов. Для неконцентраторов работа должна контролироваться преподавателем AM. Студенты должны получить одобрение (помощника) директора бакалавриата и получить его подпись перед отправкой AM9.1р формы.
Веб-сайт курса Предоставляет возможность студентам участвовать в подготовительных исследованиях и написании дипломной работы. Оценивается на основе SAT/UNS в соответствии с рекомендациями научного руководителя.
Диссертацию оценивает научный руководитель и один дополнительный читатель.
Предоставляет возможность студентам участвовать в подготовительных исследованиях и написании дипломной работы. Оценивается на основе SAT/UNS в соответствии с рекомендациями научного руководителя. Диссертацию оценивает научный руководитель и один дополнительный читатель.
Веб-сайт курсаВведение в статистические методы для студентов, изучающих прикладные науки и технику. Случайные величины и распределения вероятностей; концепция случайной выборки, включая случайные выборки, статистику и распределение выборки; центральная предельная теорема; оценка параметров; доверительные интервалы; проверка гипотезы; простая линейная регрессия; и множественная линейная регрессия. Знакомство с более продвинутыми методами, если позволяет время.
Веб-сайт курса Комплексный анализ: комплексные числа, функции, отображения, ряды Лорана, дифференцирование, интегрирование, контурное интегрирование и теория вычетов, конформные отображения.
Приложения к визуализации, искусству (особенно М.К. Эшер). Анаморфные изображения. Анализ Фурье: ортогональность, ряды Фурье, преобразования Фурье. Обработка сигналов: теоремы дискретизации (Найквиста, Шеннона), быстрое преобразование Фурье и другие дискретные преобразования, вейвлеты. Приложения для анализа изображений, аудио и морфологического анализа: фильтрация и удаление размытия.
Обыкновенные дифференциальные уравнения: решения степенных рядов; специальные функции; разложения по собственным функциям. Элементарные дифференциальные уравнения в частных производных: разделение переменных и ряды решений; диффузионное, волновое и уравнения Лапласа. Краткое введение в нелинейные динамические системы и численные методы.
Веб-сайт курса Разделы комбинаторной математики, которые часто применяются в информатике, технике и общей прикладной математике. Курс посвящен теории графов, с одной стороны, и перечислению, с другой. Конкретные темы включают сопоставление графов и раскраску графов, производящие функции и рекуррентные соотношения, комбинаторные алгоритмы и дискретную вероятность.
Акцент на решении задач и доказательствах.
Введение в нелинейные динамические явления, направленное на выявление долговременного поведения систем, описываемых обыкновенными дифференциальными уравнениями. Акцент делается на стабильность и зависимость от параметров (бифуркации). Другие темы включают: хаос; пути к хаосу и универсальности; карты; странные аттракторы; фракталы. Методы анализа нелинейных систем представлены в приложениях к физическим, химическим и биологическим системам, таким как вынужденные осцилляторы, хаотические реакции и динамика населения.
Веб-сайт курса Многие научные и инженерные задачи не имеют простых аналитических решений или даже точных аналитических приближений. Научные вычисления могут успешно решить некоторые из этих проблем, обеспечивая уникальное понимание. Этот курс знакомит с некоторыми широко используемыми методами научных вычислений на примерах, выбранных из физики, химии, биологии, информатики и других областей.
Цель курса состоит в том, чтобы представить методы, полезные в приложениях и исследованиях, и дать студентам практический опыт работы с этими методами. Основным языком программирования будет Python.
Абстрагирование основных компонентов и механизмов от естественной системы для создания математической модели, которую можно анализировать с помощью различных формальных математических методов, является, пожалуй, самой важной, но наименее понятной задачей прикладной математики. Этот курс подходит к ряду проблем без ущерба для попытки применить конкретный метод решения. Темы, взятые из биологии, экономики, инженерии, физических и социальных наук.
Веб-сайт курса Темы линейной алгебры, которые часто возникают в приложениях, особенно при анализе больших наборов данных: линейные уравнения, задачи на собственные значения, линейные дифференциальные уравнения, анализ основных компонентов, разложение по сингулярным числам, методы интеллектуального анализа данных, включая анализ частых закономерностей, кластеризацию, классификацию, и машинное обучение, включая нейронные сети и случайные леса.
Будут приведены примеры из физических наук, биологии, климата, торговли, Интернета, обработки изображений и многого другого.
Введение в основные математические идеи и вычислительные методы решения задач детерминированной оптимизации. Рассматриваемые темы: линейное программирование, целочисленное программирование, метод ветвей и границ, метод ветвей и разрезов. Акцент на моделировании. Примеры из бизнеса, общества, техники, спорта, электронной коммерции. Упражнения в AMPL, дополненные Mathematica или Matlab.
Веб-сайт курсаВведение в методы получения точных приближенных решений для задач в естественных науках, которые не могут быть решены точно, и интеграция с численными методами и решениями. Темы включают: анализ размерностей, алгебраические уравнения, комплексный анализ, теорию возмущений, согласованные асимптотические разложения, приближенное решение интегралов.
Веб-сайт курса Математическая теория и аспекты реализации хорошо зарекомендовавших себя численных алгоритмов, применяемых в различных научных и инженерных дисциплинах.
Курс будет охватывать подбор данных, числовую линейную алгебру, численное дифференцирование и интегрирование, оптимизацию и численные решения для дифференциальных уравнений. Будет значительный программный компонент. Ожидается, что учащиеся будут применять ряд численных методов в рамках индивидуальных и групповых проектов. Материал достаточно разнообразен, чтобы соответствовать уровню подготовки и навыкам программирования каждого учащегося.
Курс направлен на то, чтобы осветить процесс научных открытий в условиях неопределенности в эпоху данных. Содержание курса подчеркивает единый подход к моделированию и выводу на основе данных с помощью стохастического моделирования, оптимизации и байесовской количественной оценки неопределенности. Классные проекты требуют переноса идеи на программное обеспечение в многоядерных и многоядерных компьютерных архитектурах.
Веб-сайт курса В последнее время наблюдается всплеск интереса к использованию геометрической структуры данных и моделей в машинном обучении.
Этот курс даст обзор этой новой области исследований и ее математической основы с акцентом на недавнюю литературу и открытые проблемы. Мы рассмотрим ряд тем на стыке геометрии и машинного обучения, включая базовую дифференциальную геометрию, обучение представлению графа, обучение многообразию, графовые нейронные сети, машинное обучение на многообразиях и глубокое геометрическое обучение. Лекции будут дополнены обсуждением соответствующих статей под руководством студентов.
Этот курс представляет собой введение в теорию вычислений с использованием биологических и искусственных нейронных сетей. Мы рассмотрим отдельные темы из теоретической нейробиологии и теории глубокого обучения с акцентом на темы, находящиеся на переднем крае исследований. Эти темы включают выразительность и обобщение в моделях глубокого обучения; предел бесконечной ширины нейронных сетей и ядерных машин; динамика глубокого обучения; биологически правдоподобное обучение нейронных сетей и модели синаптической пластичности; обучение с подкреплением в мозгу; коды нейронной популяции; нормативные теории сенсорных представлений; вычисления с динамикой в рекуррентных нейронных сетях; аттракторные сетевые модели памяти и пространственные карты.
Будут обсуждаться конкретные примеры применения этих идей к мозгу.
Активная материя описывает неравновесные системы, которые потребляют энергию, чтобы выполнять работу и становиться функциональными. Понимание их поведения и функций имеет значение для биологии и сложных систем в разных масштабах, от клеток до экосистем, например, морфогенеза, коллективного поведения стад, нейродинамики передвижения и т. д. Необходимые инструменты и концепции включают неравновесную статистическую механику, кинетическую теория, мягкая материя и гидродинамика; методы анализа моделей включают масштабирование, крупнозернистость (гомогенизация, перенормировка) и вычислительные алгоритмы (для стохастического и детерминированного ДУ). Этот курс познакомит вас с вопросами, методами и успехами этой бурно развивающейся области, которая затрагивает физические и биологические науки.
Веб-сайт курса ES 201/AM 231 — это курс по статистическим выводам и оценке с точки зрения обработки сигналов.
Курс будет акцентировать внимание на всем конвейере от написания модели, оценки ее параметров и выполнения вывода с использованием реальных данных. Первая часть курса будет посвящена линейным и нелинейным вероятностным генеративным/регрессионным моделям (например, линейной, логистической, регрессии Пуассона) и алгоритмам оптимизации (оценка ML/MAP) в этих моделях. Мы уделим особое внимание регрессионным моделям, вызванным разреженностью, которые возникают, например, при сжатом восприятии из-за их связи с искусственными нейронными сетями, темой второй части курса. Вторая часть курса познакомит студентов с зарождающейся и интересной областью исследований генеративных моделей глубоких сетей, называемой глубоким обучением на основе моделей. В настоящее время нам не хватает принципиального способа проектирования искусственных нейронных сетей, рабочих лошадок современных систем искусственного интеллекта. Более того, современные системы ИИ не могут объяснить, как они принимают решения. Другими словами, мы пока не можем назвать ИИ объяснимым или интерпретируемым, что как общество ставит важные вопросы относительно ответственного использования таких технологий.
Глубокое обучение на основе моделей обеспечивает основу для принципиальной разработки и ограничения архитектур нейронных сетей. Например, мы увидим, как нейронные сети с нелинейностями ReLU возникают из разреженных вероятностных генеративных моделей, представленных в первой части курса. Это станет основой для строгого рецепта, которому мы научим вас создавать интерпретируемые глубокие нейронные сети с нуля. Мы пригласим интересный состав спикеров. Выступающие предложат статьи, которые группа студентов представит в начале лекции, которые будут преобразованы в окончательный проект / статью, в которой используется глубокое обучение на основе моделей применительно к проблемам, интересующим студентов.
Этот курс знакомит студентов с фундаментальными результатами и недавно разработанными методами многомерной теории вероятностей и статистической физики, которые были успешно применены к анализу задач обработки информации и машинного обучения. Обсуждения будут сосредоточены на изучении таких проблем в пределе большой размерности, на анализе возникновения фазовых переходов и на понимании пределов масштабирования эффективных алгоритмов.