Master 2 KÜNSTLICHE INTELLIGENZ
National School Of Computer Science For Industry And Business - ENSIIE
Schlüsselinformation
Campus-Standort
Courcouronnes, Frankreich
Sprachen
Englisch
Studienformat
Auf dem Campus
Dauer
Infos anfordern
Tempo
Vollzeit
Studiengebühren
Infos anfordern
Bewerbungsschluss
Infos anfordern
frühestes Startdatum
Sep 2023
Stipendien
Erkunden Sie Stipendienmöglichkeiten, um Ihr Studium zu finanzieren
Einführung
Das schnelle Wachstum der Forschung und Anwendungen im Bereich der künstlichen Intelligenz (KI) bietet beispiellose Möglichkeiten. Dieser Kurs richtet sich an Schüler, die eine hervorragende Grundschulbildung erhalten möchten, die ein breites Spektrum an Konzepten und Anwendungen datengesteuerter KI abdeckt und aus Beispielen lernen möchte.
Das Programm bietet Einführungskurse in statistisches Lernen, Deep Learning und Enforcement Learning, Optimierung, Signalverarbeitung, Informationstheorie und Spieltheorie. Zahlreiche Optionen ermöglichen es, sich in der Lerntheorie zu perfektionieren und sich auf viele Bereiche wie Big Data, Bild- und Sprachverarbeitung zu spezialisieren.
Dieses zweite Jahr bietet eine erweiterte Auswahl an Optionen, die ethische Aspekte und andere Themen wie die Gründung eines Unternehmens abdecken.
Dieser Kurs erfordert einen guten Hintergrund in Mathematik und Informatik: - Wahrscheinlichkeit und Statistik - Lineare Algebra - Differential- und Integralrechnung - Wissenschaftliche Programmierung - Visualisierung der Daten Bewerber sollten auch die M1 der Künstlichen Intelligenz (oder gleichwertig) erfolgreich abgeschlossen haben: - Wissen Die Grundlagen der angewandten Statistik und Optimierung - Wissen, wie man Big Data manipuliert - Wissen, wie man Techniken des überwachten, unbeaufsichtigten und verstärkenden Lernens unterscheidet und anwendet - Wissen, wie man Vorhersagemodelle mit Python programmiert und Sci-Kit-Lernen beherrscht - Wissen, wie man Visualisieren Sie Daten und veranschaulichen Sie Ergebnisse mit Programmierwerkzeugen - Wissen, wie man einen Projektvorschlag schreibt und Ergebnisse schriftlich und mündlich kommuniziert.
Kompetenzen:
Formulieren Sie mathematisch Gradientenabstiegsalgorithmen für tiefe neuronale Netze, grafische Modelle oder andere statistische Lernmodelle.
Programmieren Sie Deep-Learning-Modelle und grafische Modelle mit Python und erwerben Sie Kenntnisse in Keras, TensorFlow und Pytorch.
Verstehen Sie die Grundlagen des statistischen Lernens auf theoretischer Ebene, wobei Sie sich auf Überlernen und Regularisierung konzentrieren.
Analysieren Sie Daten verschiedener Typen (Bild, Text, Sprache) aus dem Rohsignal.
Wissenschaftliche Artikel lesen, zusammenfassen, kommentieren und reproduzieren.
Karriereaussichten:
Dieser Kurs bereitet sich auf Forschungs- und F & E-Berufe in neuen Anwendungsbereichen in vollem Gange vor: Computer Vision (autonome Fahrzeuge und Biometrie); Spracherkennung (erforderlich für neue Mensch-Maschine-Schnittstellen für Smartphones); Filtern und Aggregieren von heterogenen und Textinhalten (unerlässlich für kommerzielle Lösungen zur Verwaltung wichtiger Datenströme); Management und Überwachung komplexer oder kritischer industrieller Systeme, die auf Datenanalyse beruhen.
Über die Schule
Fragen
Ähnliche Kurse
MSc in Datenwissenschaften und Künstlicher Intelligenz
- Biot, Frankreich
Master of Science in Internet der Dinge (IoT)
- Biot, Frankreich
MSc in Big Data, Marketing und Management
- Toulouse, Frankreich