MSc i kunstig intelligens og maskinlæring

Kunstig intelligens (AI) er et av de mest spennende områdene innen informatikk og ingeniørfag. AI og maskinlæring (ML) adresserer utfordringen med å lage maskiner som har evnen til å lære, tilpasse og vise intelligens. AI-forskning revolusjonerer livene våre og fører oss til en verden med selvkjørende biler, automatisert handel på aksjemarkeder, AI-assistert kirurgi, AI-kontrollerte strømnett, smarttelefoner som kan gjenkjenne objekter / ansikter / tale, søkemotorer som kan oversette språk, videospill som viser responsiv, adaptiv og intelligent oppførsel.

Oversikt

Dette nye unike programmet omfavner de nye trendene innen AI ved å kombinere etablerte AI-teknikker som:<UL>

Uovervåket / overvåket / forsterkningslæring, dyp læring, parametrisk / ikke-parametrisk regresjon og klassifisering, evolusjonær beregning, bayesiske nettverk og søkealgoritmer,UL>

med nye disipliner og teknologier som:<UL>

Dyp forsterkningslæring, kausalitetsmodellering, bioinspirert robotikk, evolusjonær robotikk, humanoidrobotikk, spillinspirert atferdsmodellering, automatisk samsvarskontroll, automatisk arbeidsflytsyntese, maskinstøttet korrekthet, sannsynlig programmering og forklarbar AI.UL>

Det legges vekt på å anvende disse teknikkene på en rekke bruksområder: tekstanalyse og naturlig språkbehandling, maskinsyn, spill, smart produksjon, prediktivt vedlikehold, bevegelse og planlegging, forretningsanalyse, økonomi og mange andre.

Programinnhold

Høstsemesteret

Introduksjon til datateknikk og maskinlæring<UL>

Evolusjonær beregning og humanoid robotikkTekstanalyse og behandling av naturlige språkKunstig intelligens for spillMaskinvisjonUL>

Vårsemester

Kunstig intelligens og maskinlæring<UL>

Dyp forsterkningslæringSannsynlig og forklarbar AITeori og praksis for avanserte AI-økosystemerForskningsmetoder og prosjektspesifikasjonUL>

Sommer Semester<UL>

Kunstig intelligens og maskinlæringsprosjektUL>

Inntakskrav

Søkere må ha en første eller andre klasse nivå 8 honours degree (NFQ eller andre internasjonalt anerkjente ekvivalenter) i et relevant eller passende fag (informatikk, datateknikk, eller nivå 8 naturvitenskapsprogrammer som har tilstrekkelige matematiske og programmeringsferdigheter), eller tilsvarende tidligere læring som er anerkjent av universitetet som oppfyller dette kravet.

Hva skal du ta med søknaden din?<UL>

Kvalifiseringstranskripsjoner og / eller sertifikater (inkludert sertifiserte engelske oversettelser, hvis aktuelt).Engelskspråklig kvalifikasjon (er) (hvis engelsk ikke er ditt morsmål).En kopi av fødselsattest / pass.UL>

Engelsk Språkkrav

Søkere hvis førstespråk ikke er engelsk, må fremlegge bevis for enten vellykket UL fullføring av en gradskompetanse undervist på engelsk eller oppfylle ett av kriteriene nedenfor (ikke lenger enn to år før søknad)

Akseptable engelskspråklige kvalifikasjoner inkluderer følgende:<UL>

Matrikulasjonseksamen fra europeiske land der engelsk presenteres som fag og et akseptabelt nivå oppnås.Irish Leaving Certificate English –Ordinary Level Grade D or above.TOEFL - 580 (papirbasert) 90 (internettbasert).IELTS - Minimum score på 6,5 med ikke mindre enn 6 i en komponent.Engelsk test for engelsk og akademisk formål (ETAPP) - klasse C1.GCE 'O' nivå engelsk språk / GCSE engelsk språk - klasse C eller høyere.University of Cambridge ESOL –Certificate of Proficiency in English - Grade C / Certificate in Advanced English Grade A.GCE-eksamenskort - Oxford Delegacy of Local Examinations - Grade C / Cambridge Local Examinations Syndicate - School Certificate Pass 1-6 / the University of London Entrance and School Examinations Council - School Certificate Pass 1-6.UL>

Resultater i andre undersøkelser enn de som er oppført ovenfor, kan også godtas som oppfyller våre engelskspråklige krav. Kontakt International Education Division for råd.

Graduate Profile

Dette kurset forbereder studentene på bransjekarriere innen dataanalyse, datavitenskap, maskinlæring og AI. Det har også som mål å gi studentene den teoretiske kunnskapen for potensielt å bli høyprofilerte PhD-kandidater og som kan utføre høyprofilforskning innen AI.

Programinnhold

Høstsemester

Introduksjon til datateknikk og maskinlæring

• Evolusjonær beregning og humanoid robotikk
• Tekstanalyse og behandling av naturlige språk
• Kunstig intelligens for spill
• Maskinvisjon

Vårsemester

Kunstig intelligens og maskinlæring

• Dyp forsterkningslæring
• Sannsynlig og forklarbar AI
• Teori og praksis for avanserte AI-økosystemer
• Forskningsmetoder og prosjektspesifikasjon

Sommer Semester

• Kunstig intelligens og maskinlæringsprosjekt