Po spełnieniu wymagań programu absolwent będzie mógł:Wykaż się wysoce wyspecjalizowanym zrozumieniem współczesnego procesu uczenia maszynowego: danych, modeli, zasad algorytmicznych i empirii.
Zdobądź zaawansowane umiejętności w zakresie wstępnego przetwarzania danych i korzystania z różnych narzędzi eksploracyjnych i wizualizacyjnych.
Wykazać krytyczną świadomość możliwości i ograniczeń różnych form algorytmów uczenia się.
Uzyskaj zaawansowane możliwości krytycznej analizy, oceny i ciągłego doskonalenia wydajności algorytmów uczenia się.
Zdobądź zaawansowane umiejętności analizy obliczeniowych i statystycznych właściwości zaawansowanych algorytmów uczenia się i ich wydajności.
Zdobądź wiedzę specjalistyczną w zakresie używania i wdrażania narzędzi programistycznych związanych z uczeniem maszynowym w przypadku różnych złożonych problemów uczenia maszynowego.
Rozwijaj zaawansowane umiejętności rozwiązywania problemów poprzez niezależne stosowanie metod uczenia maszynowego do wielu złożonych problemów i wykazuj się wiedzą specjalistyczną w radzeniu sobie z dwuznacznością w opisie problemu.
Zastosuj wyrafinowane umiejętności w zakresie inicjowania, zarządzania i wypełniania wielu raportów projektowych i krytyki na temat różnych metod uczenia maszynowego, które wykazują eksperckie zrozumienie, samoocenę i zaawansowane umiejętności komunikowania bardzo złożonych pomysłów.Minimalne wymagania stopnia dla programu Master's of Science in Machine Learning to 35 punktów, dystrybuowane w następujący sposób:Kursy podstawowe: 4 kursy (15 godzin kredytowych)
Przedmioty do wyboru: 2 kursy (8 godzin kredytowych)
Praca naukowa: 1 kurs (12 godzin kredytowych)
Kursy podstawoweMagister uczenia maszynowego to przede wszystkim stopień naukowy oparty na badaniach. Celem zajęć jest wyposażenie studentów w odpowiedni zestaw umiejętności, aby mogli z powodzeniem zrealizować projekt badawczy (pracę magisterską). Studenci są zobowiązani do odbycia COM701 jako obowiązkowego kursu. Mogą wybrać trzy podstawowe kursy z puli sześciu koncentracji z poniższej listy: Kod Tytuł kursu Godziny kredytowe COM701 Komunikacja badawcza i rozpowszechnianie 3) ML701 Nauczanie maszynowe 4 ML702 Zaawansowane uczenie maszynowe 4 ML703 Wnioskowanie probabilistyczne i statystyczne 4 MTH701 Matematyczne podstawy sztucznej inteligencji 4 AI701 Sztuczna inteligencja 4 AI702 Głęboka nauka 4 Przedmioty do wyboruStudenci wybiorą co najmniej dwa przedmioty do wyboru, w sumie osiem (lub więcej) godzin kredytowych (CH) z listy dostępnych przedmiotów do wyboru na podstawie zainteresowania, proponowanej pracy badawczej i perspektyw zawodowych, w porozumieniu z panelem nadzorczym. Kursy do wyboru dostępne dla Master of Machine Learning są wymienione w poniższej tabeli: Kod Tytuł kursu Godziny kredytowe MTH702 Optymalizacja 4 CS701 Zaawansowane programowanie 4 CS702 Struktury danych i algorytmy 4 DS701 Data Mining 4 DS702 Przetwarzanie dużych zbiorów danych 4 CV701 Wizja człowieka i komputera 4 CV702 Geometria dla wizji komputerowej 4 CV703 Wizualne rozpoznawanie i wykrywanie obiektów 4 NLP701 Przetwarzanie języka naturalnego 4 NLP702 Zaawansowane przetwarzanie języka naturalnego 4 NLP703 Przetwarzanie mowy 4 ML704 Paradygmaty uczenia maszynowego 4 ML705 Tematy w zaawansowanym uczeniu maszynowym 4 ML706 Zaawansowane wnioskowanie probabilistyczne i statystyczne 4 HC701 Obrazowanie medyczne: fizyka i analiza 4 Praca naukowaBadanie pracy magisterskiej naraża studentów na nierozwiązany problem badawczy, w którym są zobowiązani do zaproponowania nowych rozwiązań i wniesienia wkładu w zasób wiedzy. Studenci prowadzą niezależne badanie, pod kierunkiem panelu nadzorczego, przez okres 1 roku. Kod Tytuł kursu Godziny kredytowe ML699 Praca magisterska 12
