Master în științe în învățarea automată
Mohamed bin Zayed University of Artificial Intelligence - MBZUAI
Informatie cheie
Locația campusului
Abu Dhabi, Emiratele Arabe Unite
Limbi Străine
Engleză
Formatul de studiu
În campus
Durata
2 years
Ritm
La zi
Taxe de școlarizare
Contactează şcoala
Termen limită de aplicare
Contactează şcoala
Cea mai devreme dată de începere
Aug 2024
* studenți cu normă întreagă în bursă completă: gratuit | studenți cu fracțiune de normă: 5.000 AED pe oră de credit, 35 credite în total, plus taxe diverse
Introducere
După finalizarea cerințelor programului, absolventul va putea:
- Prezentați o înțelegere extrem de specializată a conductei moderne de învățare a mașinilor: date, modele, principii algoritmice și empirici.
- Obține abilități avansate în preprocesarea datelor și folosind diverse instrumente de explorare și vizualizare.
- Demonstrează o conștientizare critică a capacităților și limitărilor diferitelor forme de algoritmi de învățare.
- Obțineți capacități avansate pentru a analiza în mod critic, a evalua și a îmbunătăți continuu performanța algoritmilor de învățare.
- Dobândiți abilități avansate pentru a analiza proprietățile de calcul și statistice ale algoritmilor de învățare avansată și performanța acestora.
- Obțineți expertiză în utilizarea și implementarea instrumentelor de programare relevante pentru învățare automată pentru o varietate de probleme complexe de învățare a mașinilor.
- Dezvoltați abilități avansate de soluționare a problemelor prin aplicarea independentă a metodelor de învățare automată la multiple probleme complexe și demonstrați expertiză în abordarea ambiguității într-o declarație a problemei.
- Aplicați abilități sofisticate în inițierea, gestionarea și completarea mai multor rapoarte și critici de proiect pentru o varietate de metode de învățare automată, care demonstrează înțelegerea experților, autoevaluarea și abilități avansate în comunicarea ideilor extrem de complexe.
Cerințele minime de diplomă pentru programul de Master în știință în învățarea mașinilor sunt 35 de credite, distribuite după cum urmează:
- Cursuri de bază: 4 cursuri (15 ore de credit)
- Cursuri elective: 2 cursuri (8 ore de credit)
- Teza de cercetare: 1 curs (12 ore de credit)
Cursuri de bază
Master în învățare automată este în primul rând o diplomă bazată pe cercetare. Scopul cursurilor este de a dota studenții cu setul de competențe adecvat, astfel încât aceștia să își poată îndeplini cu succes proiectul de cercetare (teză). Studenții trebuie să ia COM701, ca un curs obligatoriu. Aceștia pot selecta trei cursuri de bază dintr-un grup de concentrare de șase în lista furnizată mai jos:
Cod | Titlul cursului | De ore de credit |
COM701 | Comunicarea și diseminarea cercetării | 3 |
ML701 | Învățare automată | 4 |
ML702 | Învățare avansată a mașinilor | 4 |
ML703 | Inferență probabilistică și statistică | 4 |
MTH701 | Bazele matematice pentru inteligența artificială | 4 |
AI701 | Inteligență artificială | 4 |
AI702 | Invatare profunda | 4 |
Cursuri opționale
Studenții vor selecta cel puțin două cursuri elective, cu un număr de opt (sau mai multe) ore de credit (CH) dintr-o listă de cursuri elective disponibile bazate pe interes, teza de cercetare propusă și perspective de carieră, în consultare cu grupul lor de supraveghere. Cursurile elective disponibile pentru Master of Machine Learning sunt enumerate în tabelul de mai jos:
Cod | Titlul cursului | De ore de credit |
MTH702 | Optimizare | 4 |
CS701 | Programare avansată | 4 |
CS702 | Structuri de date și algoritmi | 4 |
DS701 | Minerirea datelor | 4 |
DS702 | Prelucrare de date mari | 4 |
CV701 | Viziunea umană și computerizată | 4 |
CV702 | Geometrie pentru computer Vision | 4 |
CV703 | Recunoașterea și detectarea obiectelor vizuale | 4 |
NLP701 | Prelucrarea limbajului natural | 4 |
NLP702 | Prelucrare avansată a limbajului natural | 4 |
NLP703 | Prelucrarea vorbirii | 4 |
ML704 | Paradigme de învățare automată | 4 |
ML705 | Subiecte în învățarea avansată a mașinilor | 4 |
ML706 | Inferență probabilistică și statistică avansată | 4 |
HC701 | Imagistica medicală: fizică și analiză | 4 |
Teza de cercetare
Cercetarea tezei de master expune studenților la o problemă de cercetare nesoluționată, unde li se cere să propună noi soluții și să contribuie la corpul de cunoștințe. Studenții urmăresc un studiu de cercetare independent, sub îndrumarea unui grup de supraveghere, pentru o perioadă de 1 an.
Cod | Titlul cursului | De ore de credit |
ML699 | Teza de cercetare a masterului | 12 |
Admitere
Curriculum
Cerințele minime de diplomă pentru Master of Science în Machine Learning sunt de 36 de credite, distribuite după cum urmează:
Cursuri de bază | Numărul de cursuri | De ore de credit |
Miez | 4 | 16 |
Opțiuni | 2 | 8 |
Teza de cercetare | 1 | 12 |
Stagiu | Cel puțin un stagiu de până la șase săptămâni trebuie finalizat în mod satisfăcător ca cerință de absolvire | 0 |
Cursuri de bază
Masterul în învățare automată este în primul rând o diplomă bazată pe cercetare. Scopul cursurilor este de a dota studenții cu setul de abilități potrivite, astfel încât să își poată îndeplini cu succes proiectul de cercetare (teza). Studenții trebuie să urmeze AI701, MTH701 și ML701 ca cursuri obligatorii. Ei pot selecta fie ML702, fie ML703 împreună cu două opțiuni.
Cod | Titlul cursului | De ore de credit |
AI701 | Bazele inteligenței artificiale | 4 |
MTH701 | Fundamentele matematice ale inteligenței artificiale | 4 |
ML701 | Învățare automată | 4 |
ML702 | Învățare automată avansată | 4 |
ML703 | Inferență probabilistică și statistică | 4 |
Cursuri opționale
Studenții vor selecta minimum două cursuri opționale, cu un total de opt (sau mai multe) ore de credit. Unul trebuie să fie selectat din Lista A și unul trebuie să fie selectat din Lista A sau B pe baza interesului, tezei de cercetare propuse și aspirațiilor de carieră, în consultare cu grupul lor de supraveghere. Cursurile opționale disponibile pentru Master of Science în Machine Learning sunt enumerate în tabelele de mai jos:
Lista A
Cod | Titlul cursului | De ore de credit |
ML702 | Avansarea învățării automate | 4 |
ML703 | Inferență probabilistică și statistică | 4 |
ML704 | Paradigme de învățare automată | 4 |
ML705 | Subiecte în învățarea automată avansată | 4 |
ML706 | Inferență probabilistică și statistică avansată | 4 |
Lista B
Cod | Titlul cursului | De ore de credit |
AI702 | Invatare profunda | 4 |
CV701 | Viziunea umană și computerizată | 4 |
CV702 | Geometrie pentru viziunea computerizată | 4 |
CV703 | Recunoașterea și detectarea obiectelor vizuale | 4 |
CV707 | Gemeni digitali | 4 |
DS701 | Exploatarea datelor | 4 |
DS702 | Prelucrarea datelor mari | 4 |
HC701 | Imagistica medicală: fizică și analiză | 4 |
ML707 | Servicii și aplicații Smart City | 4 |
ML708 | Inteligență artificială de încredere | 4 |
MTH702 | Optimizare | 4 |
NLP701 | Procesarea limbajului natural | 4 |
NLP702 | Procesare avansată a limbajului natural | 4 |
NLP703 | Procesarea vorbirii | 4 |
Teză de cercetare
Cercetarea tezei de master expune studenții la o problemă de cercetare nerezolvată, în care li se cere să propună noi soluții și să contribuie la corpul de cunoștințe. Studenții urmează un studiu de cercetare independent, sub îndrumarea unui grup de supraveghere, pe o perioadă de un an.
Cod | Titlul cursului | De ore de credit |
ML699 | Teză de cercetare de master în învățare automată | 12 |
Formare în cercetare | 0 |
Galerie
Clasamente
Clasamentul CS într-o privire
- Locul 18 în domeniul AI în clasamentele CS la nivel global
- Locul 28 în domeniul ML în clasamentele CS la nivel global
- Locul 16 în domeniul CV-ului în clasamentele CS la nivel global
- Locul 19 în domeniul NLP în clasamentele CS la nivel global
Rezultatul programului
După îndeplinirea cerințelor programului, absolventul va fi capabil să:
- Prezintă o înțelegere foarte specializată a conductei moderne de învățare automată: date, modele, principii algoritmice și empiric
- Obțineți abilități avansate în preprocesarea datelor și utilizarea diferitelor instrumente de explorare și vizualizare
- Demonstrați conștientizarea critică a capacităților și limitărilor diferitelor forme de algoritmi de învățare
- Obțineți capabilități avansate pentru a analiza critic, a evalua și a îmbunătăți continuu performanța algoritmilor de învățare
- Dobândiți abilități avansate de a analiza proprietățile computaționale și statistice ale algoritmilor de învățare avansați și performanța acestora
- Obțineți experiență în utilizarea și implementarea instrumentelor de programare relevante pentru învățarea automată pentru o varietate de probleme complexe de învățare automată
- Dezvoltați abilități avansate de rezolvare a problemelor prin aplicarea independentă a metodelor de învățare automată pentru mai multe probleme complexe și demonstrați expertiză în abordarea ambiguității într-o enunțare a problemei
- Aplicați abilități sofisticate în inițierea, gestionarea și finalizarea mai multor rapoarte de proiect și critici pe o varietate de metode de învățare automată, care demonstrează înțelegerea experților, autoevaluarea și abilitățile avansate în comunicarea ideilor extrem de complexe
Oportunități de carieră
AI pătrunde în fiecare industrie. La evenimentele recente de implicare a angajatorilor la MBZUAI, a existat reprezentare din mai multe sectoare, inclusiv (dar fără a se limita la):
- Aviație, consultanță, educație, energie, finanțe, entități guvernamentale, sănătate, mass-media, petrol și gaze, securitate și apărare, institute de cercetare, retail, telecomunicații, transport și logistică și startup-uri.
Oportunitățile de angajare recente anunțate prin intermediul portalului pentru cariere pentru studenți MBZUAI includ (dar fără a se limita la):
- Arhitect de soluții AI, inginer de soluții AI, inginer algoritmic, analist de date, inginer de date, cercetător de date, consultant de strategie de date, inginer software full stack, dezvoltator web full stack, cercetător în analiză predictivă și consultant senior în știință de date.
Alte oportunități de carieră ar putea include (dar fără a se limita la):
- Om de știință aplicat, inginer de analiză, realitate augmentată/virtuală, mașini autonome, biometrie și criminalistică, director de date, conducere platformă de date, jurnalist de date, specialist în vânzări tehnice în date și AI, analiză/ingineri de creștere, manager: planificare servicii AI și cloud, mașină ingineri de învățare, manager de produs: AI și analiză de date, cercetător de date despre produse, analist de produs, teledetecție, asistenți de cercetare, securitate și supraveghere, inginer senior de software și date VP.