Майстер 2 ШТУЧНИЙ ІНТЕЛЕКТ
National School Of Computer Science For Industry And Business - ENSIIE
Ключова інформація
Розташування кампусу
Courcouronnes, Франція
Лінгвістика
Англійська
Формат навчання
На кампусі
Тривалість
інформація
Форма навчання
Денне навчання
Вартість навчання
інформація
Кінець терміну надання заяв
інформація
Найраніша дата початку
Sep 2023
Стипендії
Вивчіть можливості отримання стипендій, щоб допомогти фінансувати своє навчання
Введення
Швидке зростання досліджень та застосувань штучного інтелекту (ШІ) пропонує безпрецедентні можливості. Цей курс призначений для студентів, які бажають отримати чудову початкову освіту, що охоплює широкий спектр концепцій та застосувань ШІ на основі даних та навчання на прикладах.
Програма пропонує вступні курси зі статистичного навчання, глибокого навчання та навчання з підкріплення, оптимізації, обробки сигналів, теорії інформації та теорії ігор. Численні варіанти дають змогу вдосконалитись у вивченні теорії та спеціалізуватися в багатьох галузях, таких як обробка великих даних, обробка зображень та мови.
Цей другий рік пропонує розширений вибір варіантів, що охоплює етичні аспекти та інші теми, такі як створення компанії.
Цей курс вимагає знання математики та інформатики: - ймовірність та статистика - лінійна алгебра - диференціальне та інтегральне числення - наукове програмування - візуалізація даних Заявники повинні також успішно пройти M1 з штучного інтелекту (або еквівалент): - знати основи прикладної статистики та оптимізації - знати, як маніпулювати великими даними, - знати, як диференціювати та застосовувати техніки контрольованого, неконтрольованого та підсилювального навчання - знати, як програмувати прогнозні моделі за допомогою Python та master sci-kit-learn - знати, як візуалізувати дані та ілюструвати результати за допомогою засобів програмування - знати, як писати проектну пропозицію та повідомляти результати письмово та усно.
Навички:
Математично сформулюйте алгоритми градієнтного спуску для глибоких нейронних мереж, графічних моделей або інших статистичних моделей навчання.
Програмуйте моделі глибокого навчання та графічні моделі за допомогою Python та набувайте знань у Keras, TensorFlow та Pytorch.
Зрозуміти основи статистичного навчання на теоретичному рівні, зосереджуючись на надмірному навчанні та регуляризації.
Проаналізуйте дані різного типу (зображення, текст, мова) із вихідного сигналу.
Читати, узагальнювати, коментувати та відтворювати наукові статті.
Кар'єрні перспективи:
Цей курс готується до дослідницьких та дослідницько-дослідницьких професій у нових сферах застосування на повну потужність: комп'ютерний зір (автономні транспортні засоби та біометрія); розпізнавання голосу (необхідне для нових інтерфейсів людина-машина для смартфонів); фільтрація та агрегування різнорідного та текстового вмісту (необхідне для комерційних рішень для управління значними потоками даних); управління та моніторинг складних або важливих промислових систем, які покладаються на аналіз даних.
Про Школу
Запитання
Подібні курси
Магістр комп’ютерної інженерії, кібербезпеки та штучного інтелекту
- Cagliari, Італія
Розширений майстер штучного інтелекту в бізнесі та промисловості
- Leuven, Бельгія
Магістр аналітики та штучного інтелекту
- Berlin, Німеччина