机器学习理学硕士
Mohamed bin Zayed University of Artificial Intelligence - MBZUAI
关键信息
校园位置
Abu Dhabi, 阿拉伯联合酋长国
语言
英语
学习形式
在校园
期间
2 年
步伐
全职
学费
请求信息
报名截止日期
31 Mar 2024
最早开始日期
Aug 2024
* 获得全额奖学金的全日制学生:免费 |非全日制学生:每学分 5,000 迪拉姆,共 35 个学分,另加杂费
介绍
完成课程要求后,毕业生将能够:
- 展示了对现代机器学习管道的高度专业化的理解:数据,模型,算法原理和经验。
- 在数据预处理以及使用各种探索和可视化工具方面获得高级技能。
- 展示出对不同形式的学习算法的功能和局限性的批判意识。
- 获得高级功能来严格分析,评估并不断提高学习算法的性能。
- 具有高级能力,可以分析高级学习算法的计算和统计属性及其性能。
- 获得使用和部署与机器学习相关的编程工具的专业知识,以解决各种复杂的机器学习问题。
- 通过将机器学习方法独立应用于多个复杂问题来发展高级问题解决技能,并在解决问题陈述中展示处理歧义的专业知识。
- 在各种机器学习方法上启动,管理和完成多个项目报告和评论时,运用复杂的技能,这些技能可以展示专家的理解,自我评估以及在传达高度复杂的想法时的先进技能。
机器学习理学硕士课程的最低学位要求为35个学分,分配情况如下:
- 核心课程:4门课程(15个学时)
- 选修课程:2门课程(8个学时)
- 研究论文:1门课程(12个学时)
核心课程
机器学习理学硕士主要是一个基于研究的学位。课程作业的目的是让学生掌握正确的技能,以便他们能够成功完成他们的研究项目(论文)。学生必须参加 COM701,作为必修课程。他们可以从下面提供的列表中的六门集中课程中选择三门核心课程:
码 | 课程名称 | 学时 |
COM701 | 研究交流与传播 | 3 |
ML701 | 机器学习 | 4 |
ML702 | 先进的机器学习 | 4 |
ML703 | 概率统计推断 | 4 |
MTH701 | 人工智能的数学基础 | 4 |
AI701 | 人工智能 | 4 |
AI702 | 深度学习 | 4 |
选修课程
学生将根据兴趣,拟议的研究论文和职业观点,与他们的监督小组协商,从可用的选修课程列表中至少选择两门选修课程,总共选修八(或更多)学时(CH)。下表列出了可用于机器学习硕士的选修课程:
码 | 课程名称 | 学时 |
MTH702 | 优化 | 4 |
CS701 | 高级编程 | 4 |
CS702 | 数据结构与算法 | 4 |
DS701 | 数据挖掘 | 4 |
DS702 | 大数据处理 | 4 |
CV701 | 人与计算机视觉 | 4 |
CV702 | 计算机视觉的几何 | 4 |
CV703 | 视觉对象识别与检测 | 4 |
NLP701 | 自然语言处理 | 4 |
NLP702 | 高级自然语言处理 | 4 |
NLP703 | 语音处理 | 4 |
ML704 | 机器学习范式 | 4 |
ML705 | 高级机器学习中的主题 | 4 |
ML706 | 高级概率统计推断 | 4 |
HC701 | 医学影像:物理与分析 | 4 |
研究论文
硕士学位论文研究使学生面临一个尚未解决的研究问题,要求他们提出新的解决方案并为知识体系做出贡献。学生在监督小组的指导下进行为期一年的独立研究。
码 | 课程名称 | 学时 |
ML699 | 硕士研究论文 | 12 |
招生
课程
机器学习理学硕士的最低学位要求为 36 个学分,分布如下:
核心课程 | 课程数量 | 学分时长 |
核心 | 4 | 16 |
选修课 | 2 | 8 |
研究论文 | 1 | 12 |
实习 | 作为毕业要求,必须令人满意地完成至少一次为期不超过六周的实习 | 0 |
核心课程
机器学习理学硕士主要是一个以研究为基础的学位。 课程的目的是让学生掌握正确的技能,使他们能够成功完成研究项目(论文)。 学生必须参加 AI701、MTH701 和 ML701 作为必修课程。 他们可以选择 ML702 或 ML703 以及两个选修课。
代码 | 课程标题 | 积分时长 |
AI701 | 人工智能的基础 | 4 |
MTH701 | 人工智能的数学基础 | 4 |
ML701 | 机器学习 | 4 |
ML702 | 高级机器学习 | 4 |
ML703 | 概率和统计推断 | 4 |
选修课程
学生将选择至少两门选修课程,共计八个(或更多)学分。 必须从名单A中选出一个,必须根据兴趣、拟议的研究论文和职业抱负,与其监督小组协商,从名单A或B中选出一人。 下表列出了机器学习理学硕士可用的选修课程:
清单 A
代码 | 课程标题 | 积分时长 |
ML702 | 推进机器学习 | 4 |
ML703 | 概率和统计推断 | 4 |
ML704 | 机器学习范例 | 4 |
ML705 | 高级机器学习中的主题 | 4 |
ML706 | 高级概率和统计推断 | 4 |
名单 B
代码 | 课程标题 | 积分时长 |
AI702 | 深度学习 | 4 |
CV701 | 人类和计算机视觉 | 4 |
CV702 | 计算机视觉几何 | 4 |
CV703 | 视觉物体识别和检测 | 4 |
CV707 | 数字双胞胎 | 4 |
DS701 | 数据挖掘 | 4 |
DS702 | 大数据处理 | 4 |
HC701 | 医学影像:物理与分析 | 4 |
ML707 | 智慧城市服务和应用 | 4 |
ML708 | 值得信赖的人工智能 | 4 |
MTH702 | 优化 | 4 |
NLP701 | 自然语言处理 | 4 |
NLP702 | 高级自然语言处理 | 4 |
NLP703 | 语音处理 | 4 |
研究论文
硕士论文研究使学生面临一个未解决的研究问题,他们需要提出新的解决方案并为知识体系做出贡献。 学生在监督小组的指导下进行为期一年的独立研究。
代码 | 课程标题 | 积分时长 |
ML699 | 机器学习硕士研究论文 | 12 |
研究训练 | 0 |
画廊
排名
CS排名一览
- 全球CS排名人工智能领域第18位
- 全球 CS 排名 ML 领域第 28 位
- 全球 CS 排名 CV 领域第 16 位
- 全球CS排名NLP领域第19位
计划成果
完成课程要求后,毕业生将能够:
- 对现代机器学习管道表现出高度专业化的理解:数据、模型、算法原理和经验学
- 掌握数据预处理和使用各种探索和可视化工具的高级技能
- 表现出对不同形式学习算法的能力和局限性的批判意识
- 获得高级能力,以批判性地分析、评估和持续改进学习算法的性能
- 获得高级能力,以分析高级学习算法的计算和统计特性及其性能
- 获得使用和部署机器学习相关编程工具的专业知识,以解决各种复杂的机器学习问题
- 通过将机器学习方法独立应用于多个复杂问题,培养高级问题解决能力,并在问题陈述中展示处理歧义的专业知识
- 运用复杂的技能来发起、管理和完成多个项目报告和对各种机器学习方法的评论,这些方法展示了专家的理解、自我评估和沟通高度复杂想法的高级技能
工作机会
人工智能正在渗透到每个行业。 在最近在MBZUAI举行的雇主参与活动中,有来自多个领域的代表参加,包括(但不限于):
- 航空、咨询、教育、能源、金融、政府实体、医疗保健、媒体、石油和天然气、安全和国防、研究机构、零售、电信、运输和物流,以及初创企业。
最近通过MBZUAI学生职业门户网站发布的工作机会包括(但不限于):
- AI 解决方案架构师、AI 解决方案工程师、算法工程师、数据分析师、数据工程师、数据科学家、数据策略顾问、全栈软件工程师、全栈网络开发人员、预测分析研究员和高级数据科学家 — 顾问。
其他职业机会可能包括(但不限于):
- 应用科学家、分析工程师、增强/虚拟现实、自动驾驶汽车、生物识别和取证、首席数据官、数据平台领导者、数据记者、数据和人工智能技术销售专家、增长分析/工程师、经理:人工智能和云服务规划、机器学习工程师、产品经理:人工智能和数据分析、产品数据科学家、产品分析师、遥感、研究助理、安全和监控、高级软件工程师和数据副总裁。