Master of Science in Machine Learning
Mohamed bin Zayed University of Artificial Intelligence - MBZUAI
Klucz informacyjny
Lokalizacja kampusu
Abu Dhabi, Zjednoczone Emiraty Arabskie
Języki
Język angielski
Forma badania
W kampusie
Czas trwania
2 years
Tempo
Pełny etat
Czesne
Poproś o informacje
Termin składania wniosków
31 Mar 2024
Najwcześniejsza data rozpoczęcia
Aug 2024
* studenci studiów stacjonarnych na pełnym stypendium: bezpłatnie | studenci zaoczni: 5000 AED za godzinę kredytową, łącznie 35 punktów plus różne opłaty
Wstęp
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 podstawowe
Magister 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 wyboru
Studenci 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 naukowa
Badanie 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 |
Rekrutacja
Program
Minimalne wymagania stopnia dla Master of Science in Machine Learning to 36 kredytów, rozłożonych w następujący sposób:
Kursy podstawowe | Liczba kursów | Godziny kredytowe |
Rdzeń | 4 | 16 |
Wybory | 2 | 8 |
Praca naukowa | 1 | 12 |
Praktyka | Przynajmniej jeden staż trwający do sześciu tygodni musi zostać pomyślnie ukończony jako wymóg ukończenia studiów | 0 |
Kursy podstawowe
Master of Science in Machine Learning to przede wszystkim stopień oparty na badaniach. Celem zajęć jest wyposażenie studentów w odpowiedni zestaw umiejętności, dzięki czemu mogą oni z powodzeniem zrealizować swój projekt badawczy (pracę dyplomową). Studenci są zobowiązani do podjęcia AI701, MTH701 i ML701 jako kursów obowiązkowych. Mogą wybrać ML702 lub ML703 wraz z dwoma elektami.
Kod | Nazwa przedmiotu | Godziny kredytowe |
AI701 | Podstawy sztucznej inteligencji | 4 |
MTH701 | Matematyczne podstawy sztucznej inteligencji | 4 |
ML701 | Uczenie maszynowe | 4 |
ML702 | Zaawansowane uczenie maszynowe | 4 |
ML703 | Wnioskowanie probabilistyczne i statystyczne | 4 |
Kursy do wyboru
Studenci wybiorą minimum dwa kursy obieralne, w sumie osiem (lub więcej) godzin kredytowych. Jeden musi być wybrany z listy A i jeden musi być wybrany z listy A lub B na podstawie zainteresowania, proponowanej tezy badawczej i aspiracji zawodowych, w porozumieniu z ich panelem nadzorczym. Kursy obieralne dostępne dla Master of Science in Machine Learning są wymienione w poniższych tabelach:
Wykaz A
Kod | Nazwa przedmiotu | Godziny kredytowe |
ML702 | Postępy w uczeniu się maszyn | 4 |
ML703 | Wnioskowanie probabilistyczne i statystyczne | 4 |
ML704 | Paradygmaty uczenia maszynowego | 4 |
ML705 | Tematy z zakresu zaawansowanego uczenia maszynowego | 4 |
ML706 | Zaawansowane wnioskowanie probabilistyczne i statystyczne | 4 |
Wykaz B
Kod | Nazwa przedmiotu | Godziny kredytowe |
AI702 | Uczenie głębokie | 4 |
CV701 | Widzenie ludzkie i komputerowe | 4 |
CV702 | Geometria dla wizji komputerowej | 4 |
CV703 | Rozpoznawanie i wykrywanie obiektów wizualnych | 4 |
CV707 | Cyfrowe bliźniaki | 4 |
DS701 | Wydobywanie danych | 4 |
DS702 | Przetwarzanie dużych danych | 4 |
HC701 | Obrazowanie medyczne: Fizyka i Analiza | 4 |
ML707 | Usługi i aplikacje Smart City | 4 |
ML708 | Godna zaufania sztuczna inteligencja | 4 |
MTH702 | Optymalizacja | 4 |
NLP701 | Przetwarzanie języka naturalnego | 4 |
NLP702 | Zaawansowane przetwarzanie języka naturalnego | 4 |
NLP703 | Przetwarzanie mowy | 4 |
Praca badawcza
Badania pracy magisterskiej narażają studentów na nierozwiązany problem badawczy, w którym są zobowiązani do zaproponowania nowych rozwiązań i wniesienia wkładu w ciało wiedzy. Studenci prowadzą niezależne badania naukowe, pod kierunkiem panelu nadzorczego, przez okres jednego roku.
Kod | Nazwa przedmiotu | Godziny kredytowe |
ML699 | Praca magisterska z uczenia maszynowego | 12 |
Badania Szkolenia | 0 |
Galeria
Rankingi
Rankingi CS w skrócie
- 18. miejsce w dziedzinie AI w światowych rankingach CS
- 28. miejsce w dziedzinie ML w światowych rankingach CS
- 16. miejsce w dziedzinie CV w światowych rankingach CS
- 19. miejsce w dziedzinie NLP w światowych rankingach CS
Wynik programu
Po ukończeniu programu absolwent będzie w stanie
- Wykazać się wysoce wyspecjalizowanym zrozumieniem nowoczesnego potoku uczenia maszynowego: danych, modeli, zasad algorytmicznych i empirii.
- Osiągnięcie zaawansowanych umiejętności w zakresie wstępnego przetwarzania danych i korzystania z różnych narzędzi do eksploracji i wizualizacji.
- Wykazanie się krytyczną świadomością możliwości i ograniczeń różnych form algorytmów uczenia się.
- Uzyskanie zaawansowanych możliwości krytycznej analizy, oceny i ciągłego ulepszania wydajności algorytmów uczenia się.
- Nabycie zaawansowanych umiejętności analizowania obliczeniowych i statystycznych właściwości zaawansowanych algorytmów uczenia się i ich wydajności.
- Zdobycie doświadczenia w używaniu i wdrażaniu narzędzi programistycznych związanych z uczeniem maszynowym dla różnych złożonych problemów związanych z uczeniem maszynowym.
- Rozwijanie zaawansowanych umiejętności rozwiązywania problemów poprzez samodzielne stosowanie metod uczenia maszynowego do wielu złożonych problemów i wykazanie się wiedzą specjalistyczną w zakresie radzenia sobie z niejednoznacznością w opisie problemu.
- Stosowanie zaawansowanych umiejętności w inicjowaniu, zarządzaniu i wypełnianiu wielu raportów projektowych i krytyki różnych metod uczenia maszynowego, które wykazują eksperckie zrozumienie, samoocenę i zaawansowane umiejętności komunikowania bardzo złożonych pomysłów.
Możliwości związane z karierą
Sztuczna inteligencja przenika każdą branżę. W ostatnich wydarzeniach angażujących pracodawców w MBZUAI uczestniczyli przedstawiciele wielu sektorów, w tym (ale nie tylko):
- Lotnictwo, doradztwo, edukacja, energia, finanse, podmioty rządowe, opieka zdrowotna, media, ropa i gaz, bezpieczeństwo i obrona, instytuty badawcze, handel detaliczny, telekomunikacja, transport i logistyka oraz startupy.
Ostatnie oferty pracy ogłoszone za pośrednictwem portalu MBZUAI Student Careers Portal obejmują (ale nie ograniczają się do):
- AI solution architect, AI solution engineer, algorithmic engineer, data analyst, data engineer, data scientist, data strategy consultant, full stack software engineer, full stack web developer, predictive analytics researcher oraz senior data scientist - consultant.
Inne możliwości kariery obejmują (ale nie ograniczają się do):
- Naukowiec aplikacyjny, inżynier ds. analityki, rzeczywistość rozszerzona/wirtualna, samochody autonomiczne, biometria i kryminalistyka, dyrektor ds. danych, przywództwo platformy danych, dziennikarz ds. danych, specjalista ds. sprzedaży technicznej danych i sztucznej inteligencji, analitycy / inżynierowie ds. wzrostu, menedżer: AI i planowanie usług w chmurze, inżynierowie uczenia maszynowego, menedżer produktu: AI i analityka danych, analityk produktu, teledetekcja, asystenci badawczy, bezpieczeństwo i nadzór, starszy inżynier oprogramowania i wiceprezes ds. danych.