Master en apprentissage automatique

Informations générales

Description du programme

Machine Learning développe des algorithmes pour trouver des modèles ou faire des prédictions à partir de données empiriques. Ce programme de master vous apprendra à maîtriser ces compétences. L'apprentissage automatique est de plus en plus utilisé par de nombreuses professions et industries telles que la fabrication, la vente au détail, la médecine, la finance, la robotique, les télécommunications et les médias sociaux. Les diplômés du programme seront des experts dans le domaine, qualifiés pour des carrières passionnantes dans l'industrie ou des études de doctorat.

Apprentissage Machine à KTH

Dans ce programme, vous apprendrez les bases mathématiques et statistiques ainsi que les méthodes d’apprentissage automatique dans le but de modéliser et de découvrir des régularités à partir d’observations. Vous obtiendrez également une expérience pratique de la mise en correspondance, de l'application et de la mise en œuvre de techniques d'apprentissage automatique pertinentes afin de résoudre des problèmes concrets dans un large éventail de domaines d'application. Après avoir obtenu votre diplôme du programme, vous aurez acquis la confiance et l'expérience nécessaires pour proposer des solutions pratiques aux problèmes d'apprentissage potentiellement non standard que vous pouvez mettre en œuvre de manière efficace et robuste. Stockholm compte une communauté de jeunes entreprises dynamique et de grandes entreprises bien établies intégrant l'IA et l'apprentissage automatique dans leur développement technologique. Cela vous donne un grand potentiel de travail industriel pertinent et intéressant dans le domaine pendant et après vos études.

Pour fournir une introduction au domaine et une base solide, le programme commence par des cours obligatoires en apprentissage automatique et en intelligence artificielle. Ces cours sont suivis d'un cours avancé en apprentissage machine et en méthodologie de recherche. À partir du deuxième trimestre, les étudiants choisissent des cours dans deux domaines: les domaines d'application de l'apprentissage automatique et l'apprentissage théorique. Ces domaines correspondent aux compétences de base d'un expert en apprentissage automatique.

Le premier groupe de cours décrit comment l’apprentissage automatique est utilisé pour résoudre des problèmes dans des domaines d’application particuliers tels que la vision par ordinateur, la recherche d’informations, le traitement de la parole et du langage, la biologie informatique et la robotique. Le deuxième groupe de cours donne aux étudiants la possibilité de suivre davantage de cours théoriques de base en mathématiques appliquées, statistiques et apprentissage automatique. La possibilité de connaître et de comprendre en détail le domaine passionnant de l'apprentissage en profondeur grâce à plusieurs cours de pointe, tels que:

  • DD2424 Apprendre en profondeur dans la science des données
  • DD2423 Analyse d'images et vision par ordinateur
  • DT2119 Reconnaissance de la parole et des locuteurs
  • DD2437 Réseaux de neurones artificiels et architectures profondes
  • DD2425 Robotique et Systèmes Autonomes

Le programme comporte également 30 crédits ECTS de cours au choix que vous pouvez choisir parmi une vaste gamme de cours pour vous spécialiser davantage dans votre domaine d’intérêt ou étendre vos connaissances à de nouveaux domaines de l’apprentissage automatique.

Le dernier semestre est consacré à un projet menant à un diplôme impliquant la participation à des projets de recherche avancée ou de conception dans un environnement universitaire ou industriel, en Suède ou à l’étranger. Avec ce projet, l'étudiant doit démontrer sa capacité à effectuer des travaux de projet indépendants, en utilisant les compétences acquises lors des cours du programme. Dans le passé, les étudiants du programme ont réalisé des projets dans des entreprises telles que Saab, Elekta, Flir, Eriksson, Tobii, Spotify, Thales et Huawei.

Il s’agit d’un programme de deux ans (120 crédits ECTS) dispensé en anglais. Les diplômés obtiennent le diplôme de Master of Science. Le programme est donné principalement au KTH Campus à Stockholm par la School of Electrical Engineering and Computer Science (à la KTH ).

Carrière

La demande d'ingénieurs et de scientifiques ayant des connaissances en apprentissage automatique augmente à mesure que la quantité de données dans le monde augmente. Après vos études, vous pourrez poursuivre une carrière dans l’industrie, dans une start-up ou dans une entreprise traditionnelle bien établie. Les titres possibles sont développeur de logiciels, ingénieur en apprentissage approfondi, ingénieur en vision par ordinateur, analyste de données, ingénieur en logiciel, analyste quantitatif, informaticien et ingénieur système dans des entreprises telles que Dice, Logitech, Google et McKinsey, par exemple en Suède, en Suisse et en Allemagne. , Chine, Inde et États-Unis.

Ce programme de maîtrise est également une base appropriée pour travailler dans un département de recherche et développement de l'industrie, ainsi que pour une carrière de recherche continue et des études de doctorat.

Élèves

Découvrez ce que les étudiants du programme pensent de leur temps à KTH .

Andres Alonso Toledo Carrera, Mexique: "Bien que je sois habitué à travailler en équipe avec des projets et des missions, je n'ai jamais travaillé dans un environnement aussi divers que celui de KTH , partageant des objectifs similaires avec mes camarades de classe, mais parfois avec des perspectives et des méthodologies différentes. "

le développement durable

Les diplômés de la KTH possèdent les connaissances et les outils nécessaires pour orienter la société de manière plus durable, le développement durable faisant partie intégrante de tous les programmes. Les trois principaux objectifs de développement durable visés par le programme de maîtrise en apprentissage automatique sont les suivants:

  • Bonne santé et bien-être
  • Villes et communautés durables
  • Paix, justice et institutions fortes

Les développements en apprentissage automatique ont commencé à imprégner de nombreux aspects de notre vie et devraient avoir un effet de plus en plus profond sur la société, par exemple en rendant obsolètes de nombreux emplois de cols bleus et blancs en raison de l'automatisation accrue ou en améliorant les résultats pour les patients. médicaments et diagnostic. Certains de ces développements ne profiteront qu'à la société, d'autres non. En tant que diplômés de ce programme, vous serez très bien informés des capacités techniques et des applications potentielles de Machine Learning, tout en étant bien placé pour pousser encore plus loin l'avancement de Machine Learning / AI. Ainsi, dans le cadre du programme et au sein de KTH , nous soulignons les problèmes d’éthique et les responsabilités qui accompagneront ces compétences et connaissances dans des cours obligatoires tels que DD2301 et DD2380. Nous considérons que ces responsabilités sont alignées sur les objectifs de développement durable des Nations Unies, dans lesquels nous encourageons particulièrement la sensibilisation aux objectifs de développement durable dans le cadre du "DD2301: le cours d'intégration du programme" et soulignons également les cas d'utilisation de "l'intelligence artificielle pour de bon" qui Les objectifs de développement durable, tels que la conception et l’exploitation de parcs éoliens et solaires pour les rendre plus efficaces, le diagnostic et le traitement de diverses maladies et la conception d’interventions sanitaires, ainsi que l’ingénierie de précision visant à promouvoir des pratiques agricoles plus efficaces.

Au cours de la dernière année d'études, les étudiants du programme auront la possibilité d'achever des projets de fin d'études hautement pertinents pour de nombreux objectifs de développement durable. Voici des exemples de lieux où de tels projets ont eu lieu:

  • SDG: «Bonne santé et bien-être», avec des sociétés de technologie médicale telles qu'Elekta et RaySearch;
  • SDG: «Villes et communautés durables», avec la surveillance automatique de l'imagerie satellitaire au sein de la Division de la géoinformatique, KTH .
  • ODD: «Institutions fortes pour la paix et la justice», avec l’institut international indépendant SIPRI.

Cours

Le programme de maîtrise de deux ans en apprentissage automatique comprend trois trimestres de cours et un dernier semestre consacré au projet de maîtrise. Chaque terme comprend environ 30 crédits ECTS. Les cours présentés sur cette page s'appliquent aux études commençant à l'automne 2020.

Année 1

Cours obligatoires

  • Introduction à la philosophie des sciences et à la méthodologie de recherche (DA2205) 7.5 crédits
  • Programme d'intégration de cours en apprentissage automatique (DD2301) 3.0 crédits
  • Intelligence artificielle (DD2380) 6.0 crédits
  • Apprentissage automatique (DD2421) 7.5 crédits
  • Apprentissage automatique, Cours avancé (DD2434) 7.5 crédits

Cours conditionnellement facultatifs

  • Visualisation (DD2257) 7.5 crédits
  • Neuroscience (DD2401) 7.5 crédits
  • Cours individuel avancé en biologie computationnelle (DD2402) 6.0 crédits
  • Introduction à la robotique (DD2410) 7.5 crédits
  • Projet de recherche en robotique, perception et apprentissage (DD2411) 15.0 crédits
  • Deep Learning, Advanced Course (DD2412) 6.0 crédits
  • Ingénierie linguistique (DD2418) 6.0 crédits
  • Modèles graphiques probabilistes (DD2420) 7.5 crédits
  • Analyse d'images et vision par ordinateur (DD2423) 7.5 crédits
  • Apprendre en profondeur dans la science des données (DD2424) 7.5 crédits
  • Robotique et systèmes autonomes (DD2425) 9.0 crédits
  • Photographie numérique (DD2429) 6.0 crédits
  • Modélisation mathématique des systèmes biologiques (DD2435) 9.0 crédits
  • Réseaux de neurones artificiels et architectures profondes (DD2437) 7.5 crédits
  • Intelligence artificielle et systèmes multi-agents (DD2438) 15.0 crédits
  • Méthodes statistiques en informatique appliquée (DD2447) 6.0 crédits
  • Moteurs de recherche et systèmes de recherche d'information (DD2476) 9.0 crédits
  • Technologie de la parole (DT2112) 7.5 crédits
  • Reconnaissance de la parole et des locuteurs (DT2119) 7.5 crédits
  • Estimation appliquée (EL2320) 7.5 crédits
  • Apprentissage par renforcement (EL2805) 7.5 crédits
  • Reconnaissance de formes et apprentissage automatique (EQ2341) 7.5 crédits
  • Exploration de données (ID2222) 7.5 crédits
  • Apprentissage machine évolutif et apprentissage en profondeur (ID2223) 7.5 crédits
  • Optimisation (SF1811) 6.0 crédits
  • Analyse de régression (SF2930) 7.5 crédits
  • Théorie des probabilités (SF2940) 7.5 crédits
  • Analyse de séries chronologiques (SF2943) 7.5 crédits

Cours recommandés

  • Programme System Construction Using C (DD1388) 7.5 crédits
  • Algorithmes et complexité (DD2352) 7.5 crédits
  • Sécurité informatique (DD2395) 6.0 crédits
  • Fondements de la cryptographie (DD2448) 7.5 crédits
  • Programmation d'interaction et le Web dynamique (DH2642) 7.5 crédits
  • Programmation logique (ID2213) 7.5 crédits
  • Informatique intensive en données (ID2221) 7.5 crédits
  • Calculs parallèles pour les problèmes à grande échelle (SF2568) 7.5 crédits

Année 2

Cours obligatoires

  • Projet de diplôme en sciences informatiques et en génie, spécialisation en apprentissage automatique, deuxième cycle (DA233X) 30.0 crédits
  • Programme d'intégration de cours en apprentissage automatique (DD2301) 3.0 crédits

Cours conditionnellement facultatifs

  • Visualisation (DD2257) 7.5 crédits
  • Introduction à la robotique (DD2410) 7.5 crédits
  • Projet de recherche en robotique, perception et apprentissage (DD2411) 15.0 crédits
  • Deep Learning, Advanced Course (DD2412) 6.0 crédits
  • Modèles graphiques probabilistes (DD2420) 7.5 crédits
  • Analyse d'images et vision par ordinateur (DD2423) 7.5 crédits
  • Robotique et systèmes autonomes (DD2425) 9.0 crédits
  • Cours de projet en science des données (DD2430) 7.5 crédits
  • Modélisation mathématique des systèmes biologiques (DD2435) 9.0 crédits
  • Réseaux de neurones artificiels et architectures profondes (DD2437) 7.5 crédits
  • Intelligence artificielle et systèmes multi-agents (DD2438) 15.0 crédits
  • Méthodes statistiques en informatique appliquée (DD2447) 6.0 crédits
  • Estimation appliquée (EL2320) 7.5 crédits
  • Apprentissage par renforcement (EL2805) 7.5 crédits
  • Exploration de données (ID2222) 7.5 crédits
  • Apprentissage machine évolutif et apprentissage en profondeur (ID2223) 7.5 crédits
  • Optimisation (SF1811) 6.0 crédits
  • Analyse de régression (SF2930) 7.5 crédits
  • Théorie des probabilités (SF2940) 7.5 crédits

Cours recommandés

  • Programme System Construction Using C (DD1388) 7.5 crédits
  • Algorithmes et complexité (DD2352) 7.5 crédits
  • Sécurité informatique (DD2395) 6.0 crédits
  • Fondements de la cryptographie (DD2448) 7.5 crédits
  • Programmation d'interaction et le Web dynamique (DH2642) 7.5 crédits
  • Programmation logique (ID2213) 7.5 crédits
  • Informatique intensive en données (ID2221) 7.5 crédits
  • Calculs parallèles pour les problèmes à grande échelle (SF2568) 7.5 crédits

Conditions d'admission

Pour être admissible au programme, vous devez avoir obtenu un baccalauréat, maîtriser l'anglais et satisfaire aux exigences spécifiques du programme.

licence

Un baccalauréat, équivalent à un baccalauréat suédois, ou un diplôme universitaire équivalent délivré par une université de renommée internationale, est exigé. Les étudiants qui suivent des programmes techniques plus longs et ont suivi des cours équivalents à un baccalauréat seront considérés au cas par cas.

maîtrise de l'anglais

Maîtrise de l'anglais équivalente au cours d'anglais B / 6 (lycée suédois) est requise. L'exigence peut être satisfaite par un résultat égal ou supérieur à celui indiqué dans les tests d'anglais reconnus ci-après et internationalement reconnus:

  • TOEFL sur papier: score de 4,5 (échelle 1 à 6) en test écrit, score total de 575.
    TOEFL ITP n'est pas accepté.
  • TOEFL iBT basé sur Internet: score de 20 (échelle de 0 à 30) au test écrit, score total de 90
  • IELTS Academic: Une note globale minimale de 6,5, sans section inférieure à 5,5
  • Cambridge ESOL: Certificat Cambridge English: Advanced (CAE) en anglais avancé ou Cambridge English: Proficiency (CPE) (Certificat de compétence en anglais)
  • Batterie d'évaluation de l'anglais du Michigan (MELAB): note minimale de 90
  • Université du Michigan, ECPE (Examen de certificat de compétence en anglais)
  • Pearson PTE Academic: Score de 62 (écrit 61)

Exigences spécifiques pour le programme de maîtrise en Machine Learning

Un baccalauréat, ou l'équivalent, correspondant à 180 crédits ECTS, avec un niveau en mathématiques et en informatique égal ou supérieur à celui des cours suivants au KTH :

  • SF1624 Algèbre et géométrie
  • SF1625 Calcul dans une variable
  • SF1626 Calcul en plusieurs variables
  • SF1901 Théorie des probabilités et statistiques
  • DD1337 Programmation
  • DD1338 Algorithmes et structures de données

Documents d'application

  1. Certificats et diplômes d'études universitaires précédentes
  2. Relevé de notes des cours suivis et des notes incluses dans votre diplôme
  3. Preuve de compétence en anglais
  4. Une copie de votre passeport, y compris vos données personnelles et votre photo, ou tout autre document d'identification

Documents spécifiques pour le programme de maîtrise en Machine Learning

  • Lettre de motivation
  • Lettre de recommandation
  • Fiche récapitulative *

* Pour que votre demande soit considérée comme complète, vous devez remplir la fiche de résumé en ligne. Si vous n'incluez pas de feuille de résumé, cela pourrait affecter négativement votre score d'évaluation. Assurez-vous de remplir toutes les informations requises avant de soumettre le formulaire.

Mis à jour le Octobre 2019

À propos de l'établissement

KTH Royal Institute of Technology a servi comme l'un des principaux centres de l'Europe de l'innovation et le talent intellectuel pendant près de deux cents ans. Reconnu comme l'université technique l... Continuer