18 февраля 2025 г. в Студенческом шахматном клубе Юридического факультета МГУ состоялся III командный шахматный турнир МГУ имени М.В.Ломоносова. В этом году он был посвящен 270-летию Московского университета.
Исследователи факультета ВМК МГУ разработали математический метод, позволяющий анализировать поведение очередей в системах массового обслуживания, где поступающие запросы имеют разные уровни приоритета. Полученные результаты помогают прогнозировать перегрузки в сервисных системах, что особенно важно для телекоммуникационных сетей, транспортных хабов и управления потоками данных.
7 февраля в Московском университете прошла конференция, посвящённая 100-летию со дня рождения главного конструктора уникальных троичных вычислительных машин Николая Петровича Брусенцова.
На юбилейной научно-практической конференции обсуждались перспективы развития вычислительных устройств, оперирующих числами в троичной симметричной системе, преимущества троичных алгоритмов, вопросы сохранения наследия Н.П. Брусенцова и других разработчиков отечественной вычислительной техники и программных средств.
Деканат факультета с глубоким прискорбием сообщает,
что ушел из жизни замечательный человек, выдающийся ученый
заведующий кафедрой системного анализа факультета ВМК академик РАН
Куржанский Александр Борисович
Приглашаем абитуриентов на очный День открытых дверей МГУ и факультета ВМК!
День открытых дверей МГУ начнётся 9 февраля 2025 года в 10:00 в Главном здании МГУ. В 12:00 в Актовом зале Главного здания состоится лекция ректора Московского государственного университета имени М.В.Ломоносова академика Виктора Антоновича Садовничего.
7 февраля 2025 г. исполняется 100 лет со дня рождения выдающегося российского советского инженера, пионера отечественной вычислительной техники, создателя уникальных троичных вычислительных машин «Сетунь» и «Сетунь 70» Николая Петровича Брусенцова.
Исследователи факультета ВМК МГУ и Федерального исследовательского центра «Информатика и управление» Российской академии наук (ФИЦ ИУ РАН) разработали новый метод повышения точности прогнозов временных рядов, объединяя вероятностные модели и алгоритмы машинного обучения. Метод уже доказал свою эффективность, улучшив показатели точности прогнозов до 45,7%.