Meister 2 KUNSTLIK intelligentsus
National School Of Computer Science For Industry And Business - ENSIIE
Põhiteave
Ülikooli asukoht
Courcouronnes, Prantsusmaa
Keeleteadus
Inglise keel
Õppevorm
Ülikoolilinnakus
Kestvus
Võta kooliga ühendust
Tempo
Päevane õpe
Õppemaks
Võta kooliga ühendust
Avalduste vastuvõtu lõppkuupäev
Võta kooliga ühendust
Varaseim alguskuupäev
Sep 2023
Stipendiumid
Uurige stipendiumivõimalusi oma õpingute rahastamiseks
Sissejuhatus
Tehisintellekti (AI) teadusuuringute ja rakenduste kiire kasv pakub enneolematuid võimalusi. See kursus on mõeldud üliõpilastele, kes soovivad saada suurepärast algõpet, hõlmates laia spektrit andmepõhise tehisintellekti kontseptsioone ja rakendusi ning õppides näidetest.
Programm pakub sissejuhatavaid kursusi statistilise õppimise, süvaõppe ja täiendõppe, optimeerimise, signaalitöötluse, teabeteooria ja mänguteooria alal. Arvukad võimalused võimaldavad ennast teooria õppimisel täiustada ja spetsialiseeruda paljudele valdkondadele, nagu suurandmete, pildi ja keele töötlemine.
See teine aasta pakub laiendatud valikuvõimalusi, hõlmates eetilisi aspekte ja muid teemasid, näiteks ettevõtte asutamine.
See kursus nõuab head matemaatika ja arvutiteaduse tausta: - tõenäosus ja statistika - lineaaralgebra - diferentsiaal- ja integraalarvutus - teaduslik programmeerimine - andmete visualiseerimine Taotlejad peaksid olema edukalt läbinud ka tehisintellekti M1 (või samaväärse): - teadma rakendusstatistika ja optimeerimise põhitõed - oska manipuleerida suurandmetega - oska eristada ja rakendada juhendatud, järelevalveta jäetud ja tugevdatud õppimise tehnikaid - oska programmeerida ennustavaid mudeleid Pythoni abil ja master sci-kit-learn - oska visualiseerida andmeid ja illustreerida tulemusi programmeerimisvahenditega - osata projektiettepanekut kirjutada ning tulemusi kirjalikult ja suuliselt edastada.
Oskused:
Matemaatiliselt sõnastage gradientlanguse algoritmid sügavate närvivõrkude, graafiliste mudelite või muude statistiliste õppemudelite jaoks.
Programmeerige Pythoni abil süvaõppemudelid ja graafilised mudelid ning omandage oskus Keras, TensorFlow ja Pytorch.
Mõista statistilise õppe aluseid teoreetilisel tasandil, keskendudes üleõppimisele ja seadustamisele.
Analüüsige toorsignaalist erinevat tüüpi andmeid (pilt, tekst, kõne).
Lugege teadusartikleid, tehke neist kokkuvõte, kommenteerige neid ja paljundage neid.
Karjääri väljavaated:
See kursus valmistub täie hooga uurimis- ja arendustegevuseks kutsealadel uutes rakendusvaldkondades: arvutinägemine (autonoomsed sõidukid ja biomeetria); häältuvastus (vajalik nutitelefonide uute inimeste ja masinate vaheliste liideste jaoks); heterogeense ja tekstilise sisu filtreerimine ja liitmine (oluline kaubanduslike lahenduste jaoks oluliste andmevoogude haldamiseks); andmete analüüsile tuginevate keerukate või kriitiliste tööstussüsteemide haldamine ja jälgimine.