Master of Science i maskinlæring
Mohamed bin Zayed University of Artificial Intelligence - MBZUAI
Nøkkelinformasjon
Campus plassering
Abu Dhabi, De forente arabiske emirater
Språk
Engelsk
Studieformat
På universitetsområdet
Varighet
2 år
Tempo
Fulltid
Studieavgift
Be om info
Søknadsfrist
31 Mar 2024
Tidligste startdato
Aug 2024
* heltidsstudenter på fullt stipend: gratis | deltidsstudenter: AED 5000 per kredittime, totalt 35 studiepoeng pluss diverse avgifter
Introduksjon
Etter fullført programkrav vil kandidaten kunne:
- Vis en meget spesialisert forståelse av den moderne maskinlæringsrørledningen: data, modeller, algoritmiske prinsipper og empiri.
- Oppnå avanserte ferdigheter i databehandling og bruk av forskjellige lete- og visualiseringsverktøy.
- Demonstrere en kritisk bevissthet om mulighetene og begrensningene til de forskjellige former for læringsalgoritmer.
- Få avanserte evner til kritisk å analysere, evaluere og kontinuerlig forbedre ytelsen til læringsalgoritmer.
- Anskaffe avanserte evner til å analysere beregnings- og statistiske egenskaper til avanserte læringsalgoritmer og deres ytelse.
- Få kompetanse i å bruke og distribuere relevante læringsrelaterte programmeringsverktøy for en rekke komplekse maskinlæringsproblemer.
- Utvikle avanserte problemløsingsferdigheter ved uavhengig å bruke maskinlæringsmetoder til flere komplekse problemer, og demonstrere ekspertise i å håndtere tvetydighet i en problemstilling.
- Bruk sofistikerte ferdigheter i å sette i gang, administrere og fullføre flere prosjektrapporter og kritikker på en rekke maskinlæringsmetoder, som viser ekspertforståelse, egenevaluering og avanserte ferdigheter i å formidle svært komplekse ideer.
Minimumskravene for mastergrad i maskinlæring er 35 studiepoeng fordelt på følgende måte:
- Kjernekurs: 4 kurs (15 studiepoeng)
- Valgfag: 2 kurs (8 studiepoeng)
- Forskningsoppgave: 1 emne (12 studiepoeng)
Grunnleggende kurs
MSc i maskinlæring er først og fremst en forskningsbasert grad. Formålet med kursene er å utstyre studentene med riktig ferdighetssett, slik at de kan lykkes med å fullføre sitt forskningsprosjekt (avhandling). Studentene må ta COM701, som et obligatorisk kurs. De kan velge tre kjernekurs fra et konsentrasjonsbasseng på seks i listen nedenfor:
Kode | Kurstittel | Kredittider |
COM701 | Forskningskommunikasjon og formidling | 3 |
ML701 | Maskinlæring | 4 |
ML702 | Avansert maskinlæring | 4 |
ML703 | Probabilistisk og statistisk inferens | 4 |
MTH701 | Matematiske grunnlag for kunstig intelligens | 4 |
AI701 | Kunstig intelligens | 4 |
AI702 | Dyp læring | 4 |
Valgfag
Studentene skal velge minimum to valgfag, med totalt åtte (eller flere) studiepoeng (CH) fra en liste over tilgjengelige valgfag basert på interesse, foreslått forskningsoppgave og karriereperspektiver, i samråd med deres tilsynspanel. Valgfagene som er tilgjengelige for Master of Machine Learning er listet i tabellen nedenfor:
Kode | Kurstittel | Kredittider |
MTH702 | optimalisering | 4 |
CS701 | Avansert programmering | 4 |
CS702 | Datakonstruksjoner og algoritmer | 4 |
DS701 | Datautvinning | 4 |
DS702 | Big Data Processing | 4 |
CV701 | Menneskelig og datamaskinvisjon | 4 |
CV702 | Geometri for datavisjon | 4 |
CV703 | Gjenkjennelse og gjenkjenning av visuell gjenstand | 4 |
NLP701 | Natural Language Processing | 4 |
NLP702 | Avansert naturlig språkbehandling | 4 |
NLP703 | Talebehandling | 4 |
ML704 | Maskinlæringsparadigmer | 4 |
ML705 | Temaer i avansert maskinlæring | 4 |
ML706 | Avansert sannsynlighet og statistisk inferanse | 4 |
HC701 | Medisinsk avbildning: Fysikk og analyse | 4 |
Forskningsoppgave
Masteroppgaveforskning utsetter studentene for et uløst forskningsproblem, der de er pålagt å foreslå nye løsninger og bidra til kunnskapsmassen. Studentene fortsetter en uavhengig forskningsstudie, under veiledning av et tilsynspanel, i en periode på 1 år.
Kode | Kurstittel | Kredittider |
ML699 | Mastergradsoppgave | 12 |
Opptak
Læreplan
Minimumsgradskravene for Master of Science in Machine Learning er 36 studiepoeng, fordelt som følger:
Grunnleggende kurs | Antall kurs | Kreditttimer |
Kjerne | 4 | 16 |
Valgfag | 2 | 8 |
Forskningsoppgave | 1 | 12 |
Praksis | Minst ett praksisopphold på inntil seks ukers varighet må være tilfredsstillende gjennomført som et eksamenskrav | 0 |
Grunnleggende kurs
Master of Science i maskinlæring er først og fremst en forskningsbasert grad. Hensikten med kurs er å utstyre studentene med de riktige ferdighetene, slik at de kan fullføre forskningsprosjektet sitt (oppgave). Studentene er pålagt å ta AI701, MTH701 og ML701 som obligatoriske kurs. De kan velge enten ML702 eller ML703 sammen med to valgfag.
Kode | Kurstittel | Kreditttimer |
AI701 | Grunnlaget for kunstig intelligens | 4 |
MTH701 | Matematiske grunnlag for kunstig intelligens | 4 |
ML701 | Maskinlæring | 4 |
ML702 | Avansert maskinlæring | 4 |
ML703 | Probabilistisk og statistisk slutning | 4 |
Valgfag
Studentene vil velge minimum to valgfrie emner, med totalt åtte (eller flere) studiepoeng. En må velges fra liste A og en må velges fra liste A eller B basert på interesse, foreslått forskningsavhandling og karriereambisjoner, i samråd med deres veilederpanel. Valgemnene som er tilgjengelige for Master of Science in Machine Learning er oppført i tabellene nedenfor:
Liste A
Kode | Kurstittel | Kreditttimer |
ML702 | Fremme maskinlæring | 4 |
ML703 | Probabilistisk og statistisk slutning | 4 |
ML704 | Maskinlæringsparadigmer | 4 |
ML705 | Emner i avansert maskinlæring | 4 |
ML706 | Avansert sannsynlighet og statistisk slutning | 4 |
Liste B
Kode | Kurstittel | Kreditttimer |
AI702 | Deep Learning | 4 |
CV701 | Menneske- og datasyn | 4 |
CV702 | Geometri for datasyn | 4 |
CV703 | Visuell gjenkjenning og gjenkjenning av objekter | 4 |
CV707 | Digitale tvillinger | 4 |
DS701 | Datautvinning | 4 |
DS702 | Behandling av store data | 4 |
HC701 | Medisinsk bildediagnostikk: fysikk og analyse | 4 |
ML707 | Smart City tjenester og applikasjoner | 4 |
ML708 | Pålitelig kunstig intelligens | 4 |
MTH702 | Optimalisering | 4 |
NLP701 | Naturlig språkbehandling | 4 |
NLP702 | Avansert naturlig språkbehandling | 4 |
NLP703 | Talebehandling | 4 |
Forskningsoppgave
Masteroppgaveforskning utsetter studentene for et uløst forskningsproblem, der de er pålagt å foreslå nye løsninger og bidra til kunnskapsmassen. Studentene forfølger en uavhengig forskningsstudie, under veiledning av et tilsynspanel, i en periode på ett år.
Kode | Kurstittel | Kreditttimer |
ML699 | Maskinlæring masteroppgave | 12 |
Forskningsopplæring | 0 |
Galleri
Rangeringer
CS-rangeringer i et blikk
- 18. plass innen AI i CS-rangeringer globalt
- 28. innen ML i CS Rankings globalt
- 16. innen CV i CS Rankings globalt
- 19. innen NLP i CS Rankings globalt
Programresultat
Etter fullføring av programkravene vil kandidaten kunne:
- Vis svært spesialisert forståelse av den moderne maskinlæringspipelinen: data, modeller, algoritmiske prinsipper og empiri
- Oppnå avanserte ferdigheter innen dataforbehandling og bruk av ulike utforsknings- og visualiseringsverktøy
- Demonstrere kritisk bevissthet om evnene og begrensningene til de forskjellige formene for læringsalgoritmer
- Skaff deg avanserte evner for å kritisk analysere, evaluere og kontinuerlig forbedre ytelsen til læringsalgoritmer
- Tilegne seg avanserte evner til å analysere beregningsmessige og statistiske egenskaper til avanserte læringsalgoritmer og deres ytelse
- Få ekspertise i å bruke og distribuere maskinlæringsrelevante programmeringsverktøy for en rekke komplekse maskinlæringsproblemer
- Utvikle avanserte problemløsningsferdigheter gjennom selvstendig bruk av maskinlæringsmetoder på flere komplekse problemer, og demonstrer ekspertise i å håndtere tvetydighet i en problemstilling
- Bruk sofistikerte ferdigheter i å initiere, administrere og fullføre flere prosjektrapporter og kritikk på en rekke maskinlæringsmetoder, som demonstrerer ekspertforståelse, selvevaluering og avanserte ferdigheter i å kommunisere svært komplekse ideer
Karrieremuligheter
AI gjennomsyrer alle bransjer. På nylige arrangementer for arbeidsgiverengasjement hos MBZUAI har det vært representasjon fra flere sektorer, inkludert (men ikke begrenset til):
- Luftfart, konsulentvirksomhet, utdanning, energi, finans, offentlige virksomheter, helsevesen, media, olje og gass, sikkerhet og forsvar, forskningsinstitutter, detaljhandel, telekommunikasjon, transport og logistikk og startups.
Nylige jobbmuligheter annonsert via MBZUAI Student Career Portal inkluderer (men ikke begrenset til):
- AI-løsningsarkitekt, AI-løsningsingeniør, algoritmisk ingeniør, dataanalytiker, dataingeniør, dataforsker, datastrategikonsulent, fullstack-programvareingeniør, fullstack-webutvikler, prediktiv analyseforsker og senior dataforsker – konsulent.
Andre karrieremuligheter kan inkludere (men ikke begrenset til):
- Anvendt vitenskapsmann, analytisk ingeniør, utvidet/virtuell virkelighet, autonome biler, biometri og etterforskning, sjef for data, dataplattformledelse, datajournalist, data- og AI teknisk salgsspesialist, vekstanalyse/ingeniører, leder: AI og skytjenester planlegging, maskin læringsingeniører, produktsjef: AI og dataanalyse, produktdataforsker, produktanalytiker, fjernmåling, forskningsassistenter, sikkerhet og overvåking, senior programvareingeniør og VP-data.