Master of Engineering i AI til produktinnovation
Duke University - Pratt School of Engineering
Nøgleinformation
Campus placering
Durham, USA
Lingvistik / Sprogvidenskab
Engelsk
Studieformat
Fjernundervisning, På campus
Varighed
12 - 24 Måneder
Hastighed
Fuldtid, Deltid
Studieafgifter
USD 30.250 / per semester
Ansøgningsfrist
Kontakt skolen
Tidligste startdato
Kontakt skolen
Introduktion
Vores program er anerkendt som et af de mest anvendte AI/ML-kandidatprogrammer i verden.
Studerende i vores MEng AI for Product Innovation-program udvikler stærke tekniske færdigheder inden for AI og maskinlæring sammen med en forståelse af, hvordan man designer og bygger AI-drevne softwareprodukter.
Kandidater fortsætter med at arbejde i førende virksomheder, der løser vanskelige problemer på tværs af mange brancher, såsom teknologi, sundhedspleje, energi, detailhandel, transport og finans - eller forfølger deres egne iværksætterprojekter.
Lære at:
- Design og udvikle maskinlæringssystemer til skalering, sikkerhed og brugervenlighed;
- Anvend traditionelle maskinlærings- og deep learning-modeller til at løse udfordrende problemer på tværs af domæner;
- Byg fuld-stack softwareapplikationer, der integrerer maskinlæringsmodeller ved at bruge de nyeste metoder og teknologier;
- Design og implementering af softwareapplikationer i produktionen;
- Vores studerende kommer fra en række forskellige ingeniør- og naturvidenskabelige baggrunde.
Fleksibilitet og muligheder
12 eller 16 måneder på campus eller 24 måneder online
Innovativ og fordybende, denne mastergrad kan afsluttes på 12 eller 16 måneder på campus eller online på deltid på kun 24 måneder.
12-måneders accelereret mulighed
Betydeligt mere overkommelig end et traditionelt masterprogram - i denne mulighed skal du betale undervisning for kun to (2) hele semestre plus tre (3) sommersessionskreditter.
16-måneders mulighed
Forfølge denne grad over tre (3) hele semestre plus sommer - hvilket giver dig tid til at tage yderligere valgfag og specialisere dig. Studerende, der følger denne vej, kan tage en delvis belastning eller en fuld belastning af kurser i løbet af deres sidste semester.
4+1: BSE+Master's Option for Duke Undergrad
Duke bachelorstuderende kan fuldføre undergrad og denne mastergrad på kun fem (5) år.
Stipendiumsmulighed: AIPI 4+1-stipendiet dækker 20 procent af omkostningerne. Berettigelse og andre betingelser gælder.
MD-Master of Engineering i AI for Product Innovation Dual Degree
Medicinstuderende på Duke kan fuldføre denne grad i løbet af det tredje år.
Stipendiumsmulighed: MD-MEng AIPI-stipendiet dækker 20 procent af omkostningerne. Berettigelse og andre betingelser gælder. Tilbydes i samarbejde med Duke MEDx.
Valget af online eller on-campus er op til dig - Alle studerende tager de samme kurser, lærer fra det samme fakultet og opnår den samme Duke-grad.
Indlæggelser
Stipendier og finansiering
Økonomisk støtte
Begrænset meritbaseret økonomisk støtte er tilgængelig for højt kvalificerede kandidater gennem akademiske stipendier med vægt på at øge mangfoldigheden inden for programmet. Amerikanske statsborgere eller fastboende, som er underrepræsenterede minoriteter, kan modtage op til 50 procent om året i undervisningsstipendier gennem vores mangfoldighedsstipendier. Alle ansøgere til AIPI-programmet overvejes for tilgængelig økonomisk bistand på tidspunktet for programansøgningen.
Læreplan
Brancheforbundet læseplan
Denne grads kernepensum blev udviklet i samarbejde med industrien.
- Byg en personlig portefølje af praktiske AI- og maskinlæringsprojekter i den virkelige verden.
- Modtag individuel rådgivning, akademisk og karriere, fra enestående fakultet i verdensklasse.
- Vær engageret med jævnaldrende fra hele verden som en del af en lille, intim og fordybende kohorte.
Vi forbereder kandidater, der er klar til at løse problemer på jobbet, fra dag 1.
Vores læseplan dækker både teorien og anvendelsen af AI og maskinlæring, med stor vægt på praktisk læring via problemer og projekter i den virkelige verden i hvert kursus.
Studerende har også to muligheder for at arbejde direkte med industriledere i løbet af programmet: gennem det semesterlange industrihovedstensprojekt og gennem deres sommerpraktik.
Læreplaner
Kernen i læseplanen følger en kohortebaseret kursusrækkefølge.
Accelereret mulighed på campus: 12 måneder
Sommer | Efterår | Forår | Sommer |
Forudsætning- | AIPI 510: Indhentning af data til Analytics | MENG 540: Ledelse af højteknologiske industrier | AIPI 560: Juridiske, samfundsmæssige og etiske implikationer af AI |
AIPI 520: Modelleringsproces og algoritmer | AIPI 540: Deep Learning-applikationer | AIPI 561: Operationalizing AI (MLOps) | |
AIPI 530: Optimering i praksis ELLER AIPI 531: Deep Reinforcement Learning Applications | AIPI 549: Industry Capstone Project | Branchepraktik eller projekt | |
MENG 570: Business Fundamentals for Engineers | Valgfag 1 | ||
AIPI 501: Industry Seminar Series | Valgfag 2 |
On-Campus: 16 måneder
Sommer | Efterår 1 | Forår | Sommer | Efterår 2 |
Forudsætning- | AIPI 510: Indhentning af data til Analytics | AIPI 540: Deep Learning-applikationer | AIPI 560: Juridiske, samfundsmæssige og etiske implikationer af AI | AIPI 530: Optimering i praksis ELLER AIPI 531: Deep Reinforcement Learning Applications |
AIPI 520: Modelleringsproces og algoritmer | AIPI 549: Industry Capstone Project | AIPI 561: Operationalizing AI (MLOps) | Valgfag 2 | |
MENG 570: Business Fundamentals for Engineers | MENG 540: Ledelse af højteknologiske industrier | Branchepraktik eller projekt | ||
AIPI 501: Industry Seminar Series | Valgfag 1 |
Deltid online: 24 måneder
Semester | Kursus 1 | Kursus 2 | Yderligere krav |
Sommer 1 | Forudsætning- AIPI 503: Python & Data Science Math Bootcamp | ||
Efterår 1 | AIPI 510: Indhentning af data til Analytics | MENG 570: Business Fundamentals for Engineers | AIPI 501: Industry Seminar Series |
Forår 1 | AIPI 520: Modelleringsproces og algoritmer | MENG 540: Ledelse af højteknologiske industrier | |
Sommer 2 | AIPI 540: Deep Learning-applikationer | Ophold på campus | |
Efterår 2 | AIPI 530: Optimering i praksis eller AIPI 531: Deep Reinforcement Learning Applications | Valgfag 1 | |
Forår 2 | AIPI 549: Capstone Project | Valgfag 2 | |
Sommer 3 | AIPI 560: Juridiske, samfundsmæssige og etiske implikationer af AI | AIPI 561: Operationalizing AI (MLOps) | On-campus Residency
|
Programundervisning
Karrieremuligheder
Kandidater fra vores program fortsætter med at arbejde i en række forskellige brancher afhængigt af deres interesser og baggrunde.
Nogle slutter sig til de største teknologi-, ingeniør- og sundhedsvirksomheder, mens andre har startet deres egne startup-projekter. Mange studerende vælger at forfølge en af to forskellige roller i virksomheder på tværs af brancher: ML Engineer og Data Scientist.
For bedst at forberede eleverne til disse karriereforløb tilbyder AIPI-programmet to forskellige valgfrie spor, der primært differentieres gennem valget af valgfag. Derudover kan eleverne vælge at udvikle deres eget spor ved at tage valgfag på tværs af Pratt School of Engineering og andre steder i Duke.
Machine Learning Engineering Track
Forbered dig på en karriere inden for design, bygning og implementering af ML-modeller og softwareapplikationer
- Skærp dine softwareudviklingsfærdigheder og opbyg ekspertise inden for kunstig intelligens og maskinlæring;
- Byg et stærkt fundament i teorien og programmeringen af ML, sammen med MLOps færdigheder;
- Lær at designe, bygge og implementere maskinlæringsmodeller i produktionen;
- Tag valgfag i datateknik, cloud computing, computervision, NLP eller forstærkningslæring.
Studerende, der har en forudgående baggrund i programmering eller softwareudvikling og en interesse i en karrierevej som ML-ingeniør, opfordres til at forfølge dette spor.
Data Science Track
Forbered dig på en karriere med at analysere og modellere data for at løse domænespecifikke problemer
- Udnyt din uddannelses- eller arbejdsbaggrund inden for et område inden for teknik, medicin eller videnskab sammen med nye færdigheder inden for dataanalyse og maskinlæring;
- Løs udfordrende problemer inden for dit felt;
- Tag valgfrie kurser i statistisk analyse, datavisualisering, optimering eller modellering.
Studerende, der har en baggrund inden for et område inden for ingeniørvidenskab, medicin eller videnskab, der ikke er relateret til datalogi, og ønsker at fusionere deres domæneekspertise med ML-færdigheder for at forfølge en karrierevej som dataforsker, opfordres til at forfølge dette spor.
Design dit eget spor
Tilpas din egen Pathway gennem det strategiske valg af valgfag fra Pratt School of Engineering eller andre steder i Duke (med godkendelse).