Master 2 KUNSTIG INTELLIGENS
National School Of Computer Science For Industry And Business - ENSIIE
Nøkkelinformasjon
Campus plassering
Courcouronnes, Frankrike
Språk
Engelsk
Studieformat
På universitetsområdet
Varighet
Be om info
Tempo
Fulltid
Studieavgift
Be om info
Søknadsfrist
Be om info
Tidligste startdato
Sep 2023
Stipend
Utforsk stipendmuligheter for å finansiere studiene dine
Introduksjon
Den raske veksten av kunstig intelligens (AI) forskning og applikasjoner gir enestående muligheter. Dette kurset er ment for studenter som ønsker å motta en utmerket grunnskoleutdanning som dekker et bredt spekter av konsepter og anvendelser av datadrevet AI og læring fra eksempler.
Programmet tilbyr innføringskurs i statistisk læring, dyp læring og forsterkningslæring, optimalisering, signalbehandling, informasjonsteori og spillteori. Mange muligheter gjør det mulig å perfeksjonere seg innen læringsteori og å spesialisere seg i mange felt som big data, image og språkbehandling.
Dette andre året tilbyr et utvidet utvalg av alternativer, som dekker etiske aspekter og andre emner som å starte et selskap.
Dette kurset krever god bakgrunn i matematikk og informatikk: - Sannsynlighet og statistikk - Lineær algebra - Differensiell og integrert beregning - Vitenskapelig programmering - Visualisering av dataene Søkere bør også ha fullført M1 for kunstig intelligens (eller tilsvarende) med suksess: - Kjenne det grunnleggende om anvendt statistikk og optimalisering - Vet hvordan man manipulerer big data - Vet hvordan man kan differensiere og anvende teknikker for overvåket, uten tilsyn og forsterkningslæring - Vet hvordan man programmerer prediktive modeller med Python og master sci-kit-learning - Vet hvordan man kan visualisere data og illustrere resultater med programmeringsverktøy - Kjenne til å skrive et prosjektforslag og kommunisere resultatene skriftlig og muntlig.
Ferdigheter:
Matematisk formulere gradientavstamningsalgoritmer for dype nevrale nettverk, grafiske modeller eller andre statistiske læringsmodeller.
Programmer dyplæringsmodeller og grafiske modeller ved hjelp av Python og tilegne deg ferdigheter i Keras, TensorFlow og Pytorch.
Forstå grunnlaget for statistisk læring på et teoretisk nivå, med fokus på overlæring og regularisering.
Analyser data av forskjellige typer (bilde, tekst, tale) fra råsignalet.
Les, oppsummere, kommentere og reprodusere vitenskapelige artikler.
Karrieremuligheter:
Dette kurset forbereder seg på forsknings- og FoU-yrker innen nye bruksområder i full gang: datasyn (autonome kjøretøy og biometri); stemmegjenkjenning (nødvendig for nye grensesnitt mellom mennesker og maskiner for smarttelefoner); filtrering og aggregering av heterogent og tekstlig innhold (viktig for kommersielle løsninger for styring av viktige datastrømmer); styring og overvåking av komplekse eller kritiske industrielle systemer som er avhengige av dataanalyse.