Master of Science ve strojovém učení
Mohamed bin Zayed University of Artificial Intelligence - MBZUAI
Klíčová informace
Umístění kampusu
Abu Dhabi, Spojené arabské emiráty
Jazyky
Angličtina
Studijní formát
Na kampusu
Doba trvání
2 years
Tempo
Plný úvazek
Školné
Vyžádejte si informace
Uzávěrka přihlášek
Vyžádejte si informace
Nejbližší datum zahájení
Aug 2024
* studenti denního studia s plným stipendiem: zdarma | studenti na částečný úvazek: 5 000 AED za kreditní hodinu, celkem 35 kreditů plus různé poplatky
Úvod
Po splnění programových požadavků bude absolvent schopen:
- Vystavte vysoce specializované porozumění moderního strojového potrubí učení: dat, modelů, algoritmických principů a empiriky.
- Získejte pokročilé dovednosti v oblasti předzpracování dat a používání různých nástrojů pro průzkum a vizualizaci.
- Prokázat kritické povědomí o schopnostech a omezeních různých forem algoritmů učení.
- Získat pokročilé schopnosti kriticky analyzovat, vyhodnocovat a neustále zlepšovat výkon algoritmů učení.
- Získat pokročilé schopnosti analyzovat výpočetní a statistické vlastnosti pokročilých algoritmů učení a jejich výkon.
- Získejte odborné znalosti v používání a nasazení programovacích nástrojů souvisejících se strojovým učením pro řadu složitých problémů se strojovým učením.
- Rozvíjejte pokročilé dovednosti při řešení problémů pomocí nezávislého uplatňování metod strojového učení na více komplexních problémů a prokažte odbornost v řešení nejasností v prohlášení o problému.
- Aplikujte sofistikované dovednosti při iniciování, správě a vyplňování více projektových zpráv a kritik na různé metody strojového učení, které prokazují pochopení odborníků, autoevaluaci a pokročilé dovednosti při komunikaci vysoce komplexních myšlenek.
Minimální požadavky na titul pro program Master of Science in Machine Learning jsou 35 kreditů, které jsou rozděleny takto:
- Základní kurzy: 4 kurzy (15 kreditních hodin)
- Volitelné kurzy: 2 kurzy (8 kreditních hodin)
- Výzkumná práce: 1 kurz (12 kreditů)
Základní kurzy
MSc ve strojovém učení je primárně titul založený na výzkumu. Účelem kurzu je vybavit studenty správnou sadou dovedností, aby mohli úspěšně dokončit svůj výzkumný projekt (diplomovou práci). Studenti musí povinně absolvovat COM701. V níže uvedeném seznamu si mohou vybrat tři základní kurzy ze skupiny koncentrací:
| Kód | Název kurzu | Úvěrové hodiny |
| COM701 | Výzkumná komunikace a šíření | 3 |
| ML701 | Strojové učení | 4 |
| ML702 | Pokročilé strojové učení | 4 |
| ML703 | Pravděpodobnostní a statistická inference | 4 |
| MTH701 | Matematické základy umělé inteligence | 4 |
| AI701 | Umělá inteligence | 4 |
| AI702 | Hluboké učení | 4 |
Volitelné předměty
Studenti si po konzultaci se svým dozorčím panelem vyberou minimálně dva volitelné předměty, celkem 8 (nebo více) kreditních hodin (CH) ze seznamu dostupných volitelných předmětů na základě zájmu, navrhované výzkumné práce a kariérních perspektiv. Výběrové kurzy dostupné pro magisterské studium strojírenství jsou uvedeny v následující tabulce:
| Kód | Název kurzu | Úvěrové hodiny |
| MTH702 | Optimalizace | 4 |
| CS701 | Pokročilé programování | 4 |
| CS702 | Datové struktury a algoritmy | 4 |
| DS701 | Těžba dat | 4 |
| DS702 | Zpracování velkých dat | 4 |
| CV701 | Lidská a počítačová vize | 4 |
| CV702 | Geometrie pro počítačové vidění | 4 |
| CV703 | Vizuální rozpoznávání a detekce objektů | 4 |
| NLP701 | Zpracování přirozeného jazyka | 4 |
| NLP702 | Pokročilé zpracování přirozeného jazyka | 4 |
| NLP703 | Zpracování řeči | 4 |
| ML704 | Paradigmata strojového učení | 4 |
| ML705 | Témata v pokročilém strojovém učení | 4 |
| ML706 | Pokročilý pravděpodobnostní a statistický závěr | 4 |
| HC701 | Lékařské zobrazování: fyzika a analýza | 4 |
Výzkumná práce
Diplomový výzkum vystavuje studenty nevyřešenému výzkumnému problému, kde jsou povinni navrhovat nová řešení a přispívat k souboru znalostí. Studenti provádějí samostatnou výzkumnou studii pod vedením dozorčí rady po dobu 1 roku.
| Kód | Název kurzu | Úvěrové hodiny |
| ML699 | Diplomová práce | 12 |
Přijímací řízení
Osnovy
Minimální požadavky na titul Master of Science v strojovém učení jsou 36 kreditů, rozdělených následovně:
| Základní kurzy | Počet kurzů | Úvěrové hodiny |
| Jádro | 4 | 16 |
| Volitelné předměty | 2 | 8 |
| Výzkumná práce | 1 | 12 |
| Stáž | Minimálně jedna stáž v délce až šesti týdnů musí být uspokojivě ukončena jako požadavek promoce | 0 |
Základní kurzy
Master of Science ve strojovém učení je primárně výzkumný titul. Účelem kurzu je vybavit studenty správnou sadou dovedností, aby mohli úspěšně dokončit svůj výzkumný projekt (diplomovou práci). Studenti jsou povinni absolvovat AI701, MTH701 a ML701 jako povinné kurzy. Mohou vybrat buď ML702 nebo ML703 spolu se dvěma volitelnými předměty.
| Kód | Název kurzu | Kreditní hodiny |
| AI701 | Základy umělé inteligence | 4 |
| MTH701 | Matematické základy umělé inteligence | 4 |
| ML701 | Strojové učení | 4 |
| ML702 | Pokročilé strojové učení | 4 |
| ML703 | Pravděpodobnostní a statistická inference | 4 |
Volitelné předměty
Studenti si vyberou minimálně dva volitelné předměty s celkem osmi (nebo více) kreditními hodinami. Jeden musí být vybrán ze seznamu A a jeden musí být vybrán ze seznamu A nebo B na základě zájmu, navrhovaná výzkumná práce, a kariérní aspirace, po konzultaci s jejich dozorovým panelem. Volitelné kurzy dostupné pro Master of Science in Machine Learning jsou uvedeny v následujících tabulkách:
Seznam A
| Kód | Název kurzu | Kreditní hodiny |
| ML702 | Pokrok v strojovém učení | 4 |
| ML703 | Pravděpodobnostní a statistická inference | 4 |
| ML704 | Paradigmata strojového učení | 4 |
| ML705 | Témata v pokročilém strojovém učení | 4 |
| ML706 | Pokročilá pravděpodobnostní a statistická inference | 4 |
Seznam B
| Kód | Název kurzu | Kreditní hodiny |
| AI702 | Hluboké učení | 4 |
| CV701 | Lidské a počítačové vidění | 4 |
| CV702 | Geometrie pro počítačové vidění | 4 |
| CV703 | Rozpoznávání a detekce vizuálních objektů | 4 |
| CV707 | Digitální dvojčata | 4 |
| DS701 | Dolování dat | 4 |
| DS702 | Zpracování velkých dat | 4 |
| HC701 | Lékařské zobrazování: Fyzika a analýza | 4 |
| ML707 | Služby a aplikace Smart City | 4 |
| ML708 | Důvěryhodná umělá inteligence | 4 |
| MTH702 | Optimalizace | 4 |
| NLP701 | Zpracování přirozeného jazyka | 4 |
| NLP702 | Pokročilé zpracování přirozeného jazyka | 4 |
| NLP703 | Zpracování řeči | 4 |
Výzkumná práce
Výzkum diplomové práce vystavuje studenty nevyřešenému výzkumnému problému, kde jsou povinni navrhnout nová řešení a přispět k tělu znalostí. Studenti absolvují nezávislou výzkumnou studii pod vedením dozorčí komise po dobu jednoho roku.
| Kód | Název kurzu | Kreditní hodiny |
| ML699 | Strojové učení Diplomová práce | 12 |
| Výzkumné školení | 0 |
Galerie
Žebříčky
CS Rankings v kostce
- 18. místo v oblasti AI v CS Rankings globálně
- 28. v oblasti ML v CS Rankings celosvětově
- 16. v oblasti CV v CS Rankings globálně
- 19. místo v oblasti NLP v CS Rankings globálně
Výsledek programu
Po splnění požadavků programu bude absolvent schopen:
- Vykazovat vysoce specializované porozumění modernímu kanálu strojového učení: data, modely, algoritmické principy a empiriky
- Dosáhnout pokročilých dovedností v předzpracování dat a používání různých průzkumných a vizualizačních nástrojů
- Prokázat kritické povědomí o schopnostech a omezeních různých forem algoritmů učení
- Získejte pokročilé schopnosti kriticky analyzovat, vyhodnocovat a neustále zlepšovat výkon učebních algoritmů
- Získat pokročilé schopnosti analyzovat výpočetní a statistické vlastnosti pokročilých učebních algoritmů a jejich výkon
- Získejte odborné znalosti v používání a nasazování programovacích nástrojů relevantních pro strojové učení pro řadu složitých problémů se strojovým učením
- Rozvíjet pokročilé dovednosti při řešení problémů prostřednictvím nezávislé aplikace metod strojového učení na více složitých problémů a prokázat odborné znalosti při řešení nejednoznačnosti v prohlášení o problému
- Aplikujte sofistikované dovednosti při iniciování, řízení a vyplňování více projektových zpráv a kritik různých metod strojového učení, které prokazují odborné porozumění, sebehodnocení a pokročilé dovednosti v komunikaci vysoce složitých myšlenek
Kariérní možnosti
AI proniká do každého odvětví. Na nedávných akcích angažovanosti zaměstnavatelů v MBZUAI existuje zastoupení z více sektorů, včetně (ale bez omezení na):
- Letectví, poradenství, vzdělávání, energetika, finance, vládní subjekty, zdravotnictví, média, ropa a plyn, bezpečnost a obrana, výzkumné ústavy, maloobchod, telekomunikace, doprava a logistika, a startupy.
Nedávné pracovní příležitosti inzerované prostřednictvím portálu MBZUAI Student Careers Portal zahrnují (ale neomezuje se na):
- Architekt řešení AI, inženýr řešení AI, algoritmický inženýr, datový analytik, datový inženýr, datový vědec, konzultant datové strategie, softwarový inženýr s plným zásobníkem, webový vývojář s plným zásobníkem, výzkumník prediktivní analýzy, a vedoucí datový vědec - konzultant.
Další kariérní příležitosti by mohly zahrnovat (ale neomezuje se na):
- Aplikovaný vědec, analytický inženýr, rozšířená/virtuální realita, autonomní automobily, biometrie a forenzní analýza, hlavní datový referent, vedení datové platformy, datový novinář, specialista na technický prodej dat a AI, analytika/inženýři růstu, manažer: AI a cloudové služby plánování, produktový manažer: AI a analýza dat, produktový vědec, produktový analytik, dálkový průzkum Země, výzkumní asistenti, bezpečnost a dohled, vedoucí softwarový inženýr a VP data.