Ушаков
Владимир Георгиевич
Владимир Георгиевич
доктор физико-математических наук
профессор
кафедра математической статистики
и.о. заведующего лабораторией статистического анализа
профессор
кафедра математической статистики
и.о. заведующего лабораторией статистического анализа
факультет вычислительной математики и кибернетики
Тема публичной лекции:
Стаж педагогической работы:
45 лет
Читаемые курсы:
- Теория вероятности и математическая статистика
- Вероятностные методы анализа компьютерных сетей
- Модели и методы теории массового обслуживания
- Математические основы теории массового обслуживания
- Системы массового обслуживания
- Аналитические методы теории массового обслуживания
Публикации за последние 10 лет:
8 учебных пособий и сборников задач
Иная учебная деятельность:
- Научное руководство (защищены более 100 работ бакалавров, магистров и специалистов, 9 кандидатских диссертаций и 1 докторская диссертация).
- Чтение лекций в Казахстанском филиале МГУ.
Учебные и учебно-методические издания за 10 лет:
- Прохоров А.В., Ушаков В.Г., Ушаков Н.Г. Задачи по теории вероятностей: основные понятия, предельные теоремы, случайные процессы. — МЦНМО Москва, 2022. — 384 с.
- LXXV Московская математическая олимпиада Задачи и решения / В.Б. Алексеев, В.Д. Арнольд, А.Г. Банникова и др. — Москва: Москва, 2012. — 76 с.
Аннотация:
«Развитие теории вероятностей и математической статистики и некоторые аспекты преподавания этих дисциплин на факультете ВМК МГУ
Тотальная информатизация человеческой деятельности и развитие компьютерных наук предполагают всестороннее применение алгоритмов искусственного интеллекта и связанное с этим интенсивное развитие методов машинного обучения. Но машинное обучение направлено на поиск скрытых закономерностей в больших массивах разнородных данных.
Использование в таких процессах методов математической статистики, основанных на описании закономерностей в данных с помощью вероятностных моделей, позволяет сделать поиск осмысленным. Поэтому именно интенсивное развитие компьютерных наук стало существенным стимулом к дальнейшему изучению теории вероятностей и математической статистики и, естественно, к развитию соответствующих разделов самой теории вероятностей и математической статистики.
Можно выделить два фактора, особенно сильно влияющих на современное развитие теории вероятностей и математической статистики на факультете ВМК МГУ. Первый — это, естественно, необходимость повышения эффективности алгоритмов искусственного интеллекта и машинного обучения в задачах прогнозирования и классификации. Второй — это необходимость эффективной и быстрой обработки больших массивов информации при решении так называемых больших задач. Это неизбежно влечет необходимость обеспечивать быструю и безошибочную передачу информации в современных телекоммуникационных и вычислительных сетях. Решение подобных задач невозможно без применения результатов и методов теории массового обслуживания, исторически названной «теорией очередей».
В силу указанных обстоятельств на нашей кафедре помимо классических разделов теории вероятностей и математической статистики, в настоящее время интенсивно развиваются те разделы этих наук, которые связаны и с методами анализа больших массивов разнородных данных и искусственного интеллекта, и с методами передачи и обработки информации.
В частности, наряду с «традиционными» вероятностно-статистическими магистерскими программами, кафедра математической статистики поддерживает магистерские программы «Интеллектуальный анализ больших данных» (совместно с кафедрой интеллектуальных вычислительных технологий факультета ВМК), «Анализ данных в экономике» (совместно с экономическим факультетом), участвует в реализации магистерской программы «Распределенные вычислительные системы» (кафедра АСВК). Кафедра готовит еще одну совместную с кафедрой АСВК магистерскую программу, ориентированную на подготовку специалистов в области высокопроизводительных коммуникационных систем 5G.
Тотальная информатизация человеческой деятельности и развитие компьютерных наук предполагают всестороннее применение алгоритмов искусственного интеллекта и связанное с этим интенсивное развитие методов машинного обучения. Но машинное обучение направлено на поиск скрытых закономерностей в больших массивах разнородных данных.
Использование в таких процессах методов математической статистики, основанных на описании закономерностей в данных с помощью вероятностных моделей, позволяет сделать поиск осмысленным. Поэтому именно интенсивное развитие компьютерных наук стало существенным стимулом к дальнейшему изучению теории вероятностей и математической статистики и, естественно, к развитию соответствующих разделов самой теории вероятностей и математической статистики.
Можно выделить два фактора, особенно сильно влияющих на современное развитие теории вероятностей и математической статистики на факультете ВМК МГУ. Первый — это, естественно, необходимость повышения эффективности алгоритмов искусственного интеллекта и машинного обучения в задачах прогнозирования и классификации. Второй — это необходимость эффективной и быстрой обработки больших массивов информации при решении так называемых больших задач. Это неизбежно влечет необходимость обеспечивать быструю и безошибочную передачу информации в современных телекоммуникационных и вычислительных сетях. Решение подобных задач невозможно без применения результатов и методов теории массового обслуживания, исторически названной «теорией очередей».
В силу указанных обстоятельств на нашей кафедре помимо классических разделов теории вероятностей и математической статистики, в настоящее время интенсивно развиваются те разделы этих наук, которые связаны и с методами анализа больших массивов разнородных данных и искусственного интеллекта, и с методами передачи и обработки информации.
В частности, наряду с «традиционными» вероятностно-статистическими магистерскими программами, кафедра математической статистики поддерживает магистерские программы «Интеллектуальный анализ больших данных» (совместно с кафедрой интеллектуальных вычислительных технологий факультета ВМК), «Анализ данных в экономике» (совместно с экономическим факультетом), участвует в реализации магистерской программы «Распределенные вычислительные системы» (кафедра АСВК). Кафедра готовит еще одну совместную с кафедрой АСВК магистерскую программу, ориентированную на подготовку специалистов в области высокопроизводительных коммуникационных систем 5G.
