2. mester Mesterséges intelligencia
National School Of Computer Science For Industry And Business - ENSIIE
Kulcs információ
Campus helye
Courcouronnes, Franciaország
Nyelvek
Angol
Tanulmányi formátum
Az egyetemen
Időtartam
Kérjen információt
Pace
Teljes idő
Tandíjak
Kérjen információt
Jelentkezési határidő
Kérjen információt
Legkorábbi kezdési dátum
Sep 2023
Ösztöndíjak
Fedezze fel az ösztöndíj lehetőségeket tanulmányai finanszírozásának elősegítésére
Bevezetés
A mesterséges intelligencia (AI) kutatásának és alkalmazásainak gyors növekedése soha nem látott lehetőségeket kínál. Ez a tanfolyam azoknak a hallgatóknak szól, akik kiváló alapképzést szeretnének megszerezni, amely az adatközpontú mesterséges intelligencia fogalmainak és alkalmazásainak széles skáláját fedi le, és példákból tanul.
A program bevezető tanfolyamokat kínál a statisztikai tanulásból, a mély tanulásból és a megerősítő tanulásból, az optimalizálásból, a jelfeldolgozásból, az információelméletről és a játékelméletről. Számos lehetőség lehetővé teszi az elméleti tanulás tökéletesítését és a szakterületekre való szakosodást, mint például a big data, a kép és a nyelv feldolgozása.
Ez a második év az opciók kibővített választékát kínálja, beleértve az etikai szempontokat és egyéb témákat, például a cégalapítást.
Ez a tanfolyam jó hátteret igényel a matematikában és az informatikában: - Valószínűség és statisztika - Lineáris algebra - Differenciál- és integrálszámítás - Tudományos programozás - Az adatok vizualizálása A pályázóknak a Mesterséges Intelligencia M1-et (vagy azzal egyenértékűt) is sikeresen ki kell tölteniük: - Tudniuk az alkalmazott statisztika és az optimalizálás alapjai - Tudja, hogyan kell manipulálni a nagy adatokat - Tudja, hogyan lehet megkülönböztetni és alkalmazni a felügyelt, felügyelet nélküli és megerősítő tanulás technikáit - Tudja, hogyan kell programozni a prediktív modelleket a Python-szal és a master sci-kit-learn-rel vizualizálja az adatokat és illusztrálja az eredményeket programozási eszközökkel - Tudja, hogyan kell írni egy projektjavaslatot, és hogyan lehet az eredményeket írásban és szóban közölni.
készségek:
Matematikailag fogalmazzon meg gradiens süllyedési algoritmusokat a mély ideghálózatokhoz, grafikus modellekhez vagy más statisztikai tanulási modellekhez.
Programozzon mély tanulási modelleket és grafikus modelleket a Python segítségével, és szerezzen jártasságot a Keras, a TensorFlow és a Pytorch programokban.
A statisztikai tanulás alapjainak megértése elméleti szinten, a túltanulásra és a rendszeresítésre összpontosítva.
Elemezze a különféle típusú (kép, szöveg, beszéd) adatokat a nyers jelből.
Olvassa el, összegezze, kommentálja és reprodukálja a tudományos cikkeket.
Karrier kilátások:
Ez a tanfolyam felkészül a kutatás és a K + F szakmák új alkalmazási területeinek javára: számítógépes látás (autonóm járművek és biometria); hangfelismerés (szükséges az új ember-gép interfészekhez az okostelefonokhoz); heterogén és szöveges tartalom szűrése és összesítése (elengedhetetlen a jelentős adatfolyamok kezelésére szolgáló kereskedelmi megoldásokhoz); adatelemzésre támaszkodó komplex vagy kritikus ipari rendszerek kezelése és felügyelete.
Az Iskoláról
Kérdések
Hasonló tanfolyamok
Alkalmazott MSc mesterséges intelligencia adatmérnöki szakon
- Biot, Franciaország
- Paris, Franciaország + 1 több
MSc Big Data, Marketing és Menedzsment szakon
- Toulouse, Franciaország
Mesterséges intelligencia mester
- Bologna, Olaszország