Master 2 SZTUCZNA INTELIGENCJA

Szybki rozwój badań i zastosowań w dziedzinie sztucznej inteligencji (AI) oferuje bezprecedensowe możliwości. Ten kurs jest przeznaczony dla studentów, którzy chcą uzyskać doskonałe wykształcenie podstawowe obejmujące szerokie spektrum koncepcji i zastosowań sztucznej inteligencji opartej na danych oraz uczące się na przykładach.

Program oferuje kursy wprowadzające w zakresie uczenia się statystycznego, głębokiego uczenia się i uczenia ze wzmocnieniem, optymalizacji, przetwarzania sygnałów, teorii informacji i teorii gier. Liczne opcje umożliwiają doskonalenie się w teorii uczenia się i specjalizację w wielu dziedzinach, takich jak duże zbiory danych, obraz i przetwarzanie języka.

Ten drugi rok oferuje rozszerzony wybór opcji, obejmujących aspekty etyczne i inne tematy, takie jak zakładanie firmy.

Kurs wymaga dobrej znajomości matematyki i informatyki: - Prawdopodobieństwo i statystyka - Algebra liniowa - Rachunek różniczkowy i całkowy - Programowanie naukowe - Wizualizacja danych Kandydaci powinni również pomyślnie ukończyć M1 Sztucznej Inteligencji (lub równoważny): - Wiedzieć podstawy statystyki stosowanej i optymalizacji - Wiedzieć, jak manipulować dużymi zbiorami danych - Wiedzieć, jak rozróżniać i stosować techniki uczenia nadzorowanego, nienadzorowanego i ze wzmocnieniem - Wiedzieć, jak programować modele predykcyjne w Pythonie i opanować naukę sci-kit - Wiedzieć, jak to zrobić wizualizuj dane i ilustruj wyniki za pomocą narzędzi programistycznych - Dowiedz się, jak napisać propozycję projektu i przedstawić wyniki na piśmie i ustnie.

Umiejętności:

Sformułuj matematycznie algorytmy gradientu dla głębokich sieci neuronowych, modeli graficznych lub innych statystycznych modeli uczenia się.

Programuj modele uczenia głębokiego i modele graficzne za pomocą Pythona i zdobądź biegłość w obsłudze Keras, TensorFlow i Pytorch.

Zrozumieć podstawy statystycznego uczenia się na poziomie teoretycznym, koncentrując się na nadmiernym uczeniu się i regularyzacji.

Analizuj dane różnego typu (obraz, tekst, mowa) z surowego sygnału.

Czytaj, podsumowuj, komentuj i odtwarzaj artykuły naukowe.

Perspektywy rozwoju kariery:

Kurs przygotowuje do zawodów związanych z badaniami i rozwojem w nowych obszarach zastosowań w pełnym rozkwicie: wizja komputerowa (pojazdy autonomiczne i biometria); rozpoznawanie głosu (konieczne w przypadku nowych interfejsów człowiek-maszyna dla smartfonów); filtrowanie i agregowanie heterogenicznych i tekstowych treści (niezbędne w komercyjnych rozwiązaniach do zarządzania znaczącymi strumieniami danych); zarządzanie i monitorowanie złożonych lub krytycznych systemów przemysłowych, które opierają się na analizie danych.