Master of Science i maskinlæring

Efter afslutningen af programkravene vil kandidaten være i stand til:

1. Udstiller en højt specialiseret forståelse af den moderne maskinlæringsrørledning: data, modeller, algoritmiske principper og empirik.
2. Opnå avancerede færdigheder inden for databehandling og brug af forskellige efterforsknings- og visualiseringsværktøjer.
3. Demonstrere en kritisk bevidsthed om evnerne og begrænsningerne i de forskellige former for læringsalgoritmer.
4. Få avancerede evner til kritisk at analysere, evaluere og kontinuerligt forbedre udførelsen af læringsalgoritmer.
5. Erhverv avancerede evner til at analysere beregningsmæssige og statistiske egenskaber ved avanceret læringsalgoritmer og deres ydeevne.
6. Opnå ekspertise i brug og implementering af maskinlæringsrelevante programmeringsværktøjer til en række komplekse maskinlæringsproblemer.
7. Udvikle avancerede problemløsningsevner ved uafhængigt at anvende maskinlæringsmetoder til flere komplekse problemer og demonstrere ekspertise til at håndtere tvetydighed i en problemstilling.
8. 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)

©MBZUAI

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:

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:

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.

©MBZUAI

Minimumskravene for kandidatgraden i maskinlæring er 36 credits, fordelt som følger:

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.

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

Liste B

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.

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

Når uddannelsens krav er opfyldt, vil den færdiguddannede være i stand til at:

1. Udvise højt specialiseret forståelse af den moderne maskinlæringspipeline: data, modeller, algoritmiske principper og empiri
2. Opnå avancerede færdigheder i forbehandling af data og brug af forskellige udforsknings- og visualiseringsværktøjer
3. Demonstrere kritisk bevidsthed om mulighederne og begrænsningerne ved de forskellige former for læringsalgoritmer
4. Opnå avancerede evner til kritisk at analysere, evaluere og løbende forbedre læringsalgoritmernes ydeevne.
5. Tilegne sig avancerede evner til at analysere beregningsmæssige og statistiske egenskaber ved avancerede læringsalgoritmer og deres ydeevne
6. Opnå ekspertise i at bruge og implementere machine learning-relevante programmeringsværktøjer til en række komplekse machine learning-problemer
7. Udvikle avancerede problemløsningsevner ved selvstændigt at anvende machine learning-metoder på flere komplekse problemer og demonstrere ekspertise i at håndtere tvetydighed i en problemstilling.
8. 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.

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.