Master of Science - Datavitenskap og kunstig intelligens

Master of Science i datavitenskap i datavitenskap og kunstig intelligens

*Dette Impact Degree-programmet gir kvalifiserte studenter fulle undervisningsfrie stipend i 2 år, med en vurderings- og administrasjonsavgift på 1000 €. For å starte denne prosessen, fullfør din elektroniske søknad fra vår nettside www.ebu.lu

Dyktige fagfolk innen de nye teknologiene i industri 4.0 er svært ettertraktede individer. Deres evne til å tyde den stadig økende kompleksiteten i verden av Data Science & AI er en kvalitet som ikke bare er mer etterspurt, men som også belønnes i like stor grad. Datavitenskap og kunstig intelligens er blant de hotteste feltene i det 21. århundre, som vil påvirke alle deler av dagliglivet innen 2025, fra transport og logistikk til helsetjenester og kundeservice.

MSc Data Science and AI gir opplæring i datavitenskapelige metoder, med vekt på statistiske perspektiver. Dette masterprogrammet tilbyr omfattende opplæring på de mest etterspurte datavitenskap og kunstig intelligens ferdigheter med praktisk eksponering for kritiske verktøy og teknologier, inkludert R, Python, Big Data, Machine Learning, Natural Language Processing, Deep Learning og Tableau. Du vil få en grundig forankring i teori, samt de tekniske og praktiske ferdighetene til Data Science & AI

Undervisningsmetoder og stil

Master of Data Science og AI-programmet tilbyr alt en person trenger for å mestre disse to komplementære disiplinene. Læreplanen dekker alle konsepter innen datavitenskap og kunstig intelligens som hjelper deg med å mestre de spesialiserte ferdighetene som organisasjoner rundt om i verden for tiden søker. Dette Master of Data Science og AI-programmet dekker datavitenskap og kunstig intelligens med praktisk eksponering for kritiske verktøy og teknologier, inkludert R, Python, Big Data, Machine Learning, Natural Language Processing, Deep Learning og Tableau.

Din teoretiske læring vil være på et høyt matematisk nivå, mens de tekniske og praktiske ferdighetene du får vil gjøre deg i stand til å bruke avanserte metoder for datavitenskap og statistikk for å undersøke virkelige spørsmål.

Studentene vil bli invitert til å delta på campusukearrangementer og seminarer én gang før de blir uteksaminert. Imidlertid er deltakelse i mer enn én campusuke også tillatt og oppmuntret. I løpet av campusuken vil studentene fullføre semestereksamener, besøke bedrifter og kjente bransjer, og sosialisere og bygge nettverk med hverandre.

Luxembourg er ikke bare et finansielt knutepunkt, men en flerkulturell by og sete for mange europeiske institusjoner. Mellom tradisjon og modernitet. Du vil kunne nyte ulike landskap med naturparker, middelalderslott og mange tur- eller terrengsykkelstier i hele regionen. Luxembourg og Chateau Wiltz ønsker deg velkommen.

Hvorfor velge dette kurset?

En rolle innen datavitenskap og kunstig intelligens krever en blanding av erfaring, kunnskap og dømmekraft for å bruke de riktige verktøyene og teknologiene. Det er et solid yrkesvalg for både nye og erfarne fagfolk. Aspirerende fagfolk med en hvilken som helst utdanningsbakgrunn med en analytisk sinnstilstand er mest egnet til å forfølge dette dobbelte masterprogrammet i datavitenskap og kunstig intelligens.

Kursene som presenteres her tilbyr en meny med valg i hver nødvendig disiplin, kalibrert til dine ferdigheter, erfaring og fremtidige mål. Master of Data Science and AI er et ettårig studium spesielt utviklet for å forberede nyutdannede som neste generasjon IT-fagfolk og ledere.

Målet med Master of Science i Data Science & AI er å sikre at studentene er i stand til å effektivt engasjere seg i en stadig mer globalisert, mangfoldig og mangefasettert verden etter å ha tilegnet seg de nødvendige ferdighetene. Studentene vil på slutten av programmet være i stand til å engasjere seg som:

• Algoritmespesialister
• Forretningsanalytiker
• Statistiker
• Datastrateg

Master of Science i datavitenskap og kunstig intelligens-programmet Læringsutbytte

EBUs læringsmål er ment å styrke studentenes læring på følgende områder: kommunikasjon, etisk resonnement, analytiske ferdigheter, informasjonsteknologi, globalt syn, kritisk tenkning og forståelse av synergi. Etter fullført MSc-program vil kandidater blant annet ha:

• Inngående forståelse av datastruktur og datamanipulasjon.
• Forstå overvåket og uovervåket læringsmodeller inkludert lineær regresjon, logistisk regresjon, clustering, dimensjonalitetsreduksjon, K-NN og pipeline.
• Utfør vitenskapelig og teknisk databehandling ved å bruke SciPy-pakken og dens underpakker, inkludert Integrate, Optimaliser, Statistics, IO og Weave.
• Få ekspertise innen matematisk databehandling ved å bruke NumPy og Scikit-Learn.
• Mestre konseptene anbefalingsmotor og tidsseriemodellering.
• Forstå prinsippene, algoritmene og applikasjonene til maskinlæring.
• Lær bruken av kunstig intelligens på tvers av ulike brukstilfeller på tvers av ulike felt som kundeservice, finansielle tjenester, helsetjenester og mer.
• Implementer klassiske kunstig intelligens-teknikker som søkealgoritmer, nevrale nettverk og sporing.
• Lær hvordan du bruker kunstig intelligens-teknikker for problemløsning og forklar begrensningene til gjeldende kunstig intelligens-teknikker.
• Design og bygg dine egne intelligente agenter og bruk dem for å lage praktiske kunstige.
• Etterretningsprosjekter inkludert spill, maskinlæringsmodeller, tilfredshetsproblemer med logiske begrensninger, kunnskapsbaserte systemer, sannsynlighetsmodeller, beslutningsfunksjoner for agenter og mer.
• Forstå konseptene til TensorFlow, dets hovedfunksjoner, operasjoner og utførelsespipeline.
• Mestre avanserte emner som konvolusjonelle nevrale nettverk, tilbakevendende nevrale nettverk, trening av dype nettverk og grensesnitt på høyt nivå.
• Analyser data ved hjelp av Tableau og bli dyktig i å bygge interaktive dashbord.
• Forstå de forskjellige komponentene i Hadoop-økosystemet og lær å jobbe med HBase, dens arkitektur og datalagring, lær forskjellen mellom HBase og RDBMS, og bruk Hive og Impala for partisjonering.
• Forstå MapReduce og dets egenskaper, pluss å lære hvordan du inntar data ved hjelp av Sqoop og Flume.
• Forstå det grunnleggende om naturlig språkbehandling ved å bruke det mest populære biblioteket; Pythons Natural Language Toolkit (NLTK).

Fakta

• Varighet: 2 år
• Studiepoeng: 90 studiepoeng
• Format: Heltid eller deltid
• Språk: Engelsk
• Startdatoer: september

Programstruktur