MSc i kunstig intelligens og maskinindlæring

Kunstig intelligens (AI) er et af de mest spændende områder inden for datalogi og teknik. AI og maskinindlæring (ML) tackler udfordringen ved at skabe maskiner, der har evnen til at lære, tilpasse og udvise intelligens. AI-forskning revolutionerer vores liv og fører os til en verden med selvkørende biler, automatiseret handel på aktiemarkeder, AI-assisteret kirurgi, AI-kontrollerede elnet, smartphones, der kan genkende objekter / ansigter / tale, søgemaskiner, der kan oversætte sprog, videospil, der udviser responsiv, adaptiv og intelligent adfærd.

Oversigt

Dette nye unikke program omfavner de nye tendenser inden for AI ved at kombinere etablerede AI-teknikker som:<UL>

Uovervåget / overvåget / forstærkningslæring, dyb læring, parametrisk / ikke-parametrisk regression og klassificering, evolutionær beregning, bayesiske netværk og søgealgoritmer,UL>

med nye discipliner og teknologier som:<UL>

Dyb forstærkningslæring, kausalitetsmodellering, bioinspireret robotik, evolutionær robotik, humanoidrobotik, spilinspireret adfærdsmodellering, automatisk kontrol af overensstemmelse, automatisk workflow-syntese, maskinstøttet korrekthed, sandsynlig programmering og forklarbar AI.UL>

Der lægges vægt på at anvende disse teknikker til en række anvendelsesområder: tekstanalyse og naturlig sprogbehandling, maskinsyn, spil, smart fremstilling, forudsigende vedligeholdelse, bevægelse og planlægning, forretningsanalyse, økonomi og mange andre.

Programindhold

Efterårssemester

Introduktion til datateknik og maskinindlæring<UL>

Evolutionær beregning og humanoid robotikTekstanalyse og naturlig sprogbehandlingKunstig intelligens til spilMaskinsynUL>

Forårssemester

Kunstig intelligens og maskinlæring<UL>

Dyb forstærkning læringProbabilistisk og forklarbar AITeori og praksis for avancerede AI-økosystemerForskningsmetoder og projektspecifikationUL>

Sommer Semester<UL>

Kunstig intelligens og maskinlæringsprojektUL>

Adgangskrav

Ansøgere skal have en første eller anden klasse niveau 8 honours degree (NFQ eller andre internationalt anerkendte ækvivalenter) i et relevant eller passende emne (datalogi, computertekniske programmer eller niveau 8 videnskabsprogrammer, der har tilstrækkelige matematiske og programmeringsmæssige færdigheder), eller tilsvarende tidligere læring, der af universitetet anerkendes som opfylder dette krav.

Hvad skal du medtage i din ansøgning?<UL>

Kvalifikationstranskripter og / eller certifikater (inklusive certificerede engelske oversættelser, hvis relevant).Engelsk (e) kvalifikation (er) (hvis engelsk ikke er dit første sprog).En kopi af dit fødselsattest / pas.UL>

Engelsk Sprogkrav

Ansøgere, hvis førstesprog ikke er engelsk, skal fremlægge bevis for enten forudgående succesf UL afslutning af en eksamensbevis undervist gennem engelsk eller opfylde et af nedenstående kriterier (ikke længere end to år før ansøgning):

Acceptable engelsksprogede kvalifikationer inkluderer følgende:<UL>

Kandidateksamen fra europæiske lande, hvor engelsk præsenteres som et emne og et acceptabelt niveau, opnås.Irish Leaving Certificate engelsk –Ordinært niveau klasse D eller derover.TOEFL - 580 (papirbaseret) 90 (internetbaseret).IELTS - Minimum score på 6,5 med ikke mindre end 6 i en enkelt komponent.Engelsk test for engelsk og akademisk formål (ETAPP) - klasse C1.GCE 'O' niveau engelsk sprog / GCSE engelsk sprog - klasse C eller derover.University of Cambridge ESOL –Certificate of Proficiency in English - Grade C / Certificate in Advanced English Grade A.GCE-eksamensnævn - Oxford delegering af lokale eksamener - Grad C / Cambridge Local Examinations Syndicate - School Certificate Pass 1-6 / University of London Entrance and School Examinations Council - School Certificate Certificate 1-6.UL>

Resultater i andre eksamener end dem, der er anført ovenfor, kan også accepteres som værende i overensstemmelse med vores engelsksprogede krav. Kontakt International Education Division for rådgivning.

Graduate Profile

Dette kursus forbereder de studerende til brancher i dataanalyse, datalogi, maskinindlæring og AI. Det har også til formål at give de studerende den teoretiske viden til potentielt at blive højt profilerede ph.d.-kandidater, og som kan udføre højt profileret forskning inden for AI.

Programindhold

Efterårssemester

Introduktion til datateknik og maskinindlæring

• Evolutionær beregning og humanoid robotik
• Tekstanalyse og naturlig sprogbehandling
• Kunstig intelligens til spil
• Maskinsyn

Forårssemester

Kunstig intelligens og maskinlæring

• Dyb forstærkning læring
• Probabilistisk og forklarbar AI
• Teori og praksis for avancerede AI-økosystemer
• Forskningsmetoder og projektspecifikation

Sommer Semester

• Kunstig intelligens og maskinlæringsprojekt