Мастер 2 ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ
National School Of Computer Science For Industry And Business - ENSIIE
Основная информация
Расположение кампуса
Courcouronnes, Франция
Языки
Английский
Формат исследования
В кампусе
Продолжительность
Запросить информацию
Шаг
На постоянной основе
Стоимость обучения
Запросить информацию
Крайний срок подачи заявок
Запросить информацию
Самая ранняя дата начала
Sep 2023
Стипендии
Изучите возможности получения стипендии, чтобы помочь финансировать учебу
Введение
Быстрый рост исследований и приложений в области искусственного интеллекта (ИИ) открывает беспрецедентные возможности. Этот курс предназначен для студентов, желающих получить отличное начальное образование, охватывающее широкий спектр концепций и приложений искусственного интеллекта, управляемого данными, а также обучение на примерах.
Программа предлагает вводные курсы по статистическому обучению, глубокому обучению и обучению с подкреплением, оптимизации, обработке сигналов, теории информации и теории игр. Многочисленные варианты позволяют усовершенствовать теорию обучения и специализироваться во многих областях, таких как обработка больших данных, изображений и языков.
Этот второй год предлагает расширенный выбор вариантов, охватывающих этические аспекты и другие темы, такие как создание компании.
Этот курс требует хорошего знания математики и информатики: - Вероятность и статистика - Линейная алгебра - Дифференциальное и интегральное исчисление - Научное программирование - Визуализация данных Кандидаты также должны успешно пройти M1 Искусственного интеллекта (или эквивалент): - Знать основы прикладной статистики и оптимизации - уметь манипулировать большими данными - уметь различать и применять методы контролируемого, неконтролируемого обучения и обучения с подкреплением - уметь программировать прогностические модели с помощью Python и овладеть научным набором обучения - знать, как визуализировать данные и проиллюстрировать результаты с помощью инструментов программирования - Знайте, как написать проектное предложение и сообщить результаты письменно и устно.
Навыки:
Математически формулируйте алгоритмы градиентного спуска для глубоких нейронных сетей, графических моделей или других моделей статистического обучения.
Программируйте модели глубокого обучения и графические модели с использованием Python и приобретайте навыки работы с Keras, TensorFlow и Pytorch.
Понимать основы статистического обучения на теоретическом уровне, уделяя особое внимание чрезмерному обучению и регуляризации.
Анализируйте данные различных типов (изображение, текст, речь) из необработанного сигнала.
Читайте, обобщайте, комментируйте и воспроизводите научные статьи.
Перспективы карьерного роста:
Этот курс готовит к научным исследованиям и профессиям НИОКР в новых областях применения, которые в самом разгаре: компьютерное зрение (автономные транспортные средства и биометрия); распознавание голоса (необходимо для новых человеко-машинных интерфейсов для смартфонов); фильтрация и агрегирование разнородного и текстового контента (важно для коммерческих решений для управления значительными потоками данных); управление и мониторинг сложных или критических промышленных систем, основанных на анализе данных.
О школе
Вопросы
Похожие курсы
Магистр аналитики и искусственного интеллекта
- Berlin, Германия
Магистр искусственного интеллекта – МАИ
- Wellington, Новая Зеландия
Европейский мастер по высокопроизводительным вычислениям
- Barcelona, Испания
- Esch-sur-Alzette, Люксембург + 6 более