2. mester Mesterséges intelligencia

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.