Tehisintellekti ja masinõppe magistrikraad

Tehisintellekt (AI) on arvutiteaduse ja inseneriteaduse üks põnevamaid valdkondi. Tehisintellekt ja masinõpe (ML) lahendavad masinate loomise väljakutse, mis suudavad õppida, kohaneda ja intelligentsust avaldada. Tehisintellekti uuringud muudavad meie elu revolutsiooniliselt ja juhivad meid maailma, kus on isesõitvad autod, automatiseeritud kauplemine aktsiaturgudel, tehisintellekti abiga operatsioon, tehisintellekti juhitavad elektrivõrgud, esemeid / nägusid / kõnet tuvastavad nutitelefonid, tõlkida võivad otsingumootorid keeled, videomängud, millel on reageeriv, kohanev ja intelligentne käitumine.

Ülevaade

See uus ainulaadne programm hõlmab uusi tehisintellektide suundumusi, kombineerides väljakujunenud tehisintellekti tehnikaid nagu<UL>

Järelevalveta / järelevalve all / tugevdamine, süvendatud õppimine, parameetriline / mitteparameetriline regressioon ja klassifikatsioon, evolutsiooniline arvutus, Bayesi võrgud ja otsingu algoritmid,UL>

uute teadusharude ja tehnoloogiatega, näiteks:<UL>

Sügava tugevdamise õppimine, põhjuslikkuse modelleerimine, Bioinspired robootika, evolutsiooniline robootika, humanoidrobootika, mängudest inspireeritud käitumise modelleerimine, automaatne vastavuse kontroll, automaatne töövoo süntees, masinaga toetatud korrektsus, tõenäosuslik programmeerimine ja seletatav tehisintellekt.UL>

Rõhk on nende tehnikate rakendamisel mitmel rakendusalal: tekstianalüütika ja loomuliku keele töötlemine, masinnägemine, mängud, nutikas tootmine, ennustav hooldus, liikumine ja planeerimine, ärianalüütika, rahandus ja paljud teised.

Programmi sisu

Sügissemester

Sissejuhatus andmetehnikasse ja masinõppesse<UL>

Evolutsiooniline arvutus ja humanoidrobotikaTekstianalüüs ja loomuliku keele töötlemineTehisintellekti mängude jaoksMasin visioonUL>

Kevadsemester

Tehisintellekt ja masin õpe<UL>

Sügav tugevdamine õppimineTõenäoline ja seletatav tehisintellektArenenud AI ökosüsteemide teooria ja praktikaUurimismeetodid ja projekti spetsifikatsioonUL>

Suve semester<UL>

Tehisintellekti ja masinõppe projektUL>

Sisenemise nõuded

Kandidaatidel peab olema esimese või teise klassi 8. taseme kiitus (NFQ või muu rahvusvaheliselt tunnustatud vaste) asjakohases või asjakohases õppeaines (arvutiteadus, arvutitehnika programmid või 8. taseme teadusprogrammid, millel on piisavalt matemaatilisi ja programmeerimisoskusi) või samaväärne eelnev õpe, mille ülikool tunnistab sellele nõudele vastavaks.

Mida lisada oma rakendusse<UL>

Kvalifikatsiooni ärakirjad ja / või tunnistused (sealhulgas vajaduse korral tõestatud ingliskeelsed tõlked.Inglise keele kvalifikatsioon (id) (kui inglise keel pole teie emakeel).Teie sünnitunnistuse / passi koopia.UL>

Inglise keele nõuded

Taotlejad, kelle emakeel ei ole inglise keel, peavad esitama tõendid selle kohta, kas UL varem edukalt lõpetanud kraadiõppe inglise keeles või vastanud ühele järgmistest kriteeriumidest (mitte kauem kui kaks aastat enne kandideerimist):

Vastuvõetav inglise keele kvalifikatsioon sisaldab järgmist:<UL>

Immatrikuleerimised Euroopa riikidest, kus õppeainena esitatakse inglise keelt ja saavutatakse vastuvõetav tase.Iiri iiri lõputunnistus inglise keeles - tavaline tase D või kõrgem.TOEFL - 580 (paberkandjal) 90 (Interneti-põhine).IELTS - minimaalne punktisumma 6,5, kusjuures ühes komponendis on vähemalt 6.Inglise keele test akadeemilistel eesmärkidel (ETAPP) - klass C1.GCE 'O' taseme inglise keel / GCSE inglise keel - klass C või kõrgem.Cambridge'i ülikool ESOL - inglise keele oskus - C-klass / inglise keele kõrgema astme tunnistus.GCE eksamikomisjonid - Oxfordi kohalike eksamite delegatsioon - C-klass / Cambridge'i kohalike eksamite sündikaat - koolitunnistuse pass 1–6 / Londoni ülikooli sisseastumis- ja koolieksamite nõukogu - koolitunnistuse pass 1–6.UL>

Muude kui eespool loetletud eksamite tulemused võidakse aktsepteerida ka meie inglise keele nõuetele vastavatena. Nõu saamiseks pöörduge rahvusvahelise hariduse osakonna poole.

Graduate Profiil

See kursus valmistab õpilasi ette tööstuse karjääriks andmeanalüütikas, andmeteaduses, masinõppes ja tehisintellektis. Samuti on selle eesmärk anda üliõpilastele teoreetilised teadmised potentsiaalsete kõrgetasemeliste doktorikandidaatide saamiseks ja kes saavad teostada tehisintellektis kõrgetasemelisi uuringuid.

Programmi sisu

Sügissemester

Sissejuhatus andmetehnikasse ja masinõppesse

• Evolutsiooniline arvutus ja humanoidrobotika
• Tekstianalüüs ja loomuliku keele töötlemine
• Tehisintellekti mängude jaoks
• Masin visioon

Kevadsemester

Tehisintellekt ja masin õpe

• Sügav tugevdamine õppimine
• Tõenäoline ja seletatav tehisintellekt
• Arenenud AI ökosüsteemide teooria ja praktika
• Uurimismeetodid ja projekti spetsifikatsioon

Suve semester

• Tehisintellekti ja masinõppe projekt