Master of Science i maskinlæring
Mohamed bin Zayed University of Artificial Intelligence - MBZUAI
Nøgleinformation
Campus placering
Abu Dhabi, Forenede Arabiske Emirater
Lingvistik / Sprogvidenskab
Engelsk
Studieformat
På campus
Varighed
2 år
Hastighed
Fuldtid
Studieafgifter
Kontakt skolen
Ansøgningsfrist
Kontakt skolen
Tidligste startdato
Aug 2024
* fuldtidsstuderende på fuldt stipendium: gratis | deltidsstuderende: AED 5.000 pr. kredit time, 35 point i alt plus diverse gebyrer
Introduktion
Efter afslutningen af programkravene vil kandidaten være i stand til:
- Udstiller en højt specialiseret forståelse af den moderne maskinlæringsrørledning: data, modeller, algoritmiske principper og empirik.
- Opnå avancerede færdigheder inden for databehandling og brug af forskellige efterforsknings- og visualiseringsværktøjer.
- Demonstrere en kritisk bevidsthed om evnerne og begrænsningerne i de forskellige former for læringsalgoritmer.
- Få avancerede evner til kritisk at analysere, evaluere og kontinuerligt forbedre udførelsen af læringsalgoritmer.
- Erhverv avancerede evner til at analysere beregningsmæssige og statistiske egenskaber ved avanceret læringsalgoritmer og deres ydeevne.
- Opnå ekspertise i brug og implementering af maskinlæringsrelevante programmeringsværktøjer til en række komplekse maskinlæringsproblemer.
- Udvikle avancerede problemløsningsevner ved uafhængigt at anvende maskinlæringsmetoder til flere komplekse problemer og demonstrere ekspertise til at håndtere tvetydighed i en problemstilling.
- Anvende sofistikerede færdigheder til at indlede, styre og gennemføre flere projektrapporter og kritikker på en række forskellige maskinlæringsmetoder, der demonstrerer ekspertforståelse, selvevaluering og avancerede evner til at kommunikere meget komplekse ideer.
Minimumskravene til kandidatuddannelsen i maskinuddannelsesprogram er 35 kreditter fordelt på følgende måde:
- Grundkurser: 4 kurser (15 kredittimer)
- Valgfrie kurser: 2 kurser (8 kredittimer)
- Forskningsproces: 1 kursus (12 kredittimer)
Kernekurser
MSc i maskinlæring er primært en forskningsbaseret grad. Formålet med kurser er at udstyre eleverne med det rigtige færdighedssæt, så de med succes kan gennemføre deres forskningsprojekt (speciale). Studerende skal tage COM701 som et obligatorisk kursus. De kan vælge tre kernekurser fra en koncentrationspulje på seks på nedenstående liste:
Kode | Kursus navn | Kredittider |
COM701 | Forskningskommunikation og formidling | 3 |
ML701 | Maskinelæring | 4 |
ML702 | Avanceret maskinlæring | 4 |
ML703 | Probabilistisk og statistisk inferens | 4 |
MTH701 | Matematiske fundamenter for kunstig intelligens | 4 |
AI701 | Kunstig intelligens | 4 |
AI702 | Deep Learning | 4 |
Valgfrie kurser
Studerende vælger mindst to valgfrie kurser med i alt otte (eller flere) kredittimer (CH) fra en liste over tilgængelige valgfrie kurser baseret på interesse, foreslået forskningstese og karriereperspektiver i samråd med deres kontrolpanel. De valgfrie kurser, der er tilgængelige til Master's in Machine Learning, er vist i nedenstående tabel:
Kode | Kursus navn | Kredittider |
MTH702 | Optimering | 4 |
CS701 | Avanceret programmering | 4 |
CS702 | Datakonstruktioner og algoritmer | 4 |
DS701 | Datamining | 4 |
DS702 | Big Data Processing | 4 |
CV701 | Menneskelig og computervision | 4 |
CV702 | Geometri til computervision | 4 |
CV703 | Visuel objektgenkendelse og detektion | 4 |
NLP701 | Natural Language Processing | 4 |
NLP702 | Avanceret naturlig sprogbehandling | 4 |
NLP703 | Talebehandling | 4 |
ML704 | Maskinlæringsparadigmer | 4 |
ML705 | Emner i avanceret maskinlæring | 4 |
ML706 | Avanceret probabilistisk og statistisk inferens | 4 |
HC701 | Medicinsk billeddannelse: Fysik og analyse | 4 |
Forskningsprojekt
Specialeundersøgelse udsætter de studerende for et uløst forskningsproblem, hvor de er forpligtet til at foreslå nye løsninger og bidrage til viden. Studerende forfølger en uafhængig forskningsundersøgelse under vejledning af et kontrolpanel i en periode på 1 år.
Kode | Kursus navn | Kredittider |
ML699 | Master's speciale | 12 |
Indlæggelser
Læreplan
Minimumskravene for kandidatgraden i maskinlæring er 36 credits, fordelt som følger:
Centrale kurser | Antal kurser | Kredittimer |
Kerne | 4 | 16 |
Valgfag | 2 | 8 |
Forskningsafhandling | 1 | 12 |
Praktikophold | Mindst én praktikophold af op til seks ugers varighed skal gennemføres på tilfredsstillende vis som et krav for at opnå eksamen | 0 |
Centrale kurser
Master of Science i maskinlæring er primært en forskningsbaseret uddannelse. Formålet med kursusarbejdet er at udstyre de studerende med de rette færdigheder, så de kan gennemføre deres forskningsprojekt (speciale) med succes. De studerende skal tage AI701, MTH701 og ML701 som obligatoriske kurser. De kan vælge enten ML702 eller ML703 sammen med to valgfag.
Kode | Kursustitel | Kredittimer |
AI701 | Grundlaget for kunstig intelligens | 4 |
MTH701 | Matematisk grundlag for kunstig intelligens | 4 |
ML701 | Maskinlæring | 4 |
ML702 | Avanceret maskinlæring | 4 |
ML703 | Probabilistisk og statistisk inferens | 4 |
Valgfrie kurser
Studerende skal vælge mindst to valgfrie kurser med i alt otte (eller flere) kredittimer. En skal vælges fra liste A, og en skal vælges fra liste A eller B på grundlag af interesse, foreslået forskningsafhandling og karriereønsker i samråd med deres vejlederpanel. De valgfrie kurser, der er tilgængelige for Master of Science in Machine Learning, er anført i tabellerne nedenfor:
Liste A
Kode | Kursustitel | Kredittimer |
ML702 | Fremme af maskinlæring | 4 |
ML703 | Probabilistisk og statistisk inferens | 4 |
ML704 | Paradigmer for maskinlæring | 4 |
ML705 | Emner i avanceret maskinlæring | 4 |
ML706 | Avanceret sandsynlighedsregning og statistisk inferens | 4 |
Liste B
Kode | Kursustitel | Kredittimer |
AI702 | Dyb indlæring | 4 |
CV701 | Menneske- og computervision | 4 |
CV702 | Geometri til computervision | 4 |
CV703 | Visuel genkendelse og detektering af objekter | 4 |
CV707 | Digitale tvillinger | 4 |
DS701 | Datamining | 4 |
DS702 | Behandling af store data | 4 |
HC701 | Medicinsk billeddannelse: Fysik og analyse: Fysik og analyse | 4 |
ML707 | Smart City-tjenester og -applikationer | 4 |
ML708 | Troværdig kunstig intelligens | 4 |
MTH702 | Optimering | 4 |
NLP701 | Behandling af naturligt sprog | 4 |
NLP702 | Avanceret behandling af naturligt sprog | 4 |
NLP703 | Talebehandling | 4 |
Forskningsafhandling
I forbindelse med kandidatafhandlinger udsættes de studerende for et uløst forskningsproblem, hvor de skal foreslå nye løsninger og bidrage til at uddybe den eksisterende viden. De studerende gennemfører en uafhængig forskningsundersøgelse under vejledning af et vejledningspanel i en periode på et år.
Kode | Kursustitel | Kredittimer |
ML699 | Masterafhandling om maskinlæring | 12 |
Uddannelse inden for forskning | 0 |
Galleri
Ranglister
CS-rangeringer i et blik
- 18. inden for AI i CS Rankings globalt
- 28. inden for ML i CS Rankings globalt
- 16. inden for CV i CS Rankings globalt
- 19. inden for NLP i CS Rankings globalt
Programresultat
Når uddannelsens krav er opfyldt, vil den færdiguddannede være i stand til at:
- Udvise højt specialiseret forståelse af den moderne maskinlæringspipeline: data, modeller, algoritmiske principper og empiri
- Opnå avancerede færdigheder i forbehandling af data og brug af forskellige udforsknings- og visualiseringsværktøjer
- Demonstrere kritisk bevidsthed om mulighederne og begrænsningerne ved de forskellige former for læringsalgoritmer
- Opnå avancerede evner til kritisk at analysere, evaluere og løbende forbedre læringsalgoritmernes ydeevne.
- Tilegne sig avancerede evner til at analysere beregningsmæssige og statistiske egenskaber ved avancerede læringsalgoritmer og deres ydeevne
- Opnå ekspertise i at bruge og implementere machine learning-relevante programmeringsværktøjer til en række komplekse machine learning-problemer
- Udvikle avancerede problemløsningsevner ved selvstændigt at anvende machine learning-metoder på flere komplekse problemer og demonstrere ekspertise i at håndtere tvetydighed i en problemstilling.
- Anvende sofistikerede færdigheder til at igangsætte, styre og færdiggøre flere projektrapporter og kritik af en række maskinlæringsmetoder, der demonstrerer ekspertforståelse, selvevaluering og avancerede færdigheder i at kommunikere meget komplekse ideer.
Karrieremuligheder
AI gennemsyrer alle brancher. Ved de seneste arbejdsgiverarrangementer på MBZUAI har der været repræsentation fra flere sektorer, herunder (men ikke begrænset til):
- Luftfart, rådgivning, uddannelse, energi, finans, offentlige enheder, sundhedspleje, medier, olie og gas, sikkerhed og forsvar, forskningsinstitutter, detailhandel, telekommunikation, transport og logistik og startups.
Nylige jobmuligheder annonceret via MBZUAI Student Careers Portal omfatter (men er ikke begrænset til):
- AI-løsningsarkitekt, AI-løsningsingeniør, algoritmisk ingeniør, dataanalytiker, dataingeniør, datavidenskabsmand, datastrategikonsulent, full stack softwareingeniør, full stack webudvikler, predictive analytics researcher og senior data scientist - konsulent.
Andre karrieremuligheder kunne omfatte (men ikke begrænset til):
- Applied scientist, analytics engineer, augmented/virtual reality, autonome biler, biometri og retsmedicin, chief data officer, data platform leadership, data journalist, data og AI technical sales specialist, growth analytics / engineers, manager: AI og planlægning af cloudtjenester, maskinlæringsingeniører, produktchef: AI og dataanalyse, produktdatavidenskabsmand, produktanalytiker, fjernmåling, forskningsassistenter, sikkerhed og overvågning, senior softwareingeniør og VP data.