Master ès sciences in
Master of Science en apprentissage automatique
Mohamed bin Zayed University of Artificial Intelligence - MBZUAI
Information clé
Emplacement du campus
Abu Dhabi, Émirats arabes unis
Langues
Anglais
Format d'étude
Sur le campus
Durée
2 années
Rythme
À plein temps
Frais de scolarité
Demande d'info
Date limite d'inscription
31 Mar 2024
Date de début au plus tôt
Aug 2024
* étudiants à temps plein avec une bourse complète : gratuit | étudiants à temps partiel : 5 000 AED par heure de crédit, 35 crédits au total, plus frais divers
introduction
À la fin des exigences du programme, le diplômé sera capable de:
- Présentez une compréhension hautement spécialisée du pipeline d’apprentissage automatique moderne: données, modèles, principes algorithmiques et données empiriques.
- Acquérir des compétences avancées en pré-traitement des données et en utilisant divers outils d'exploration et de visualisation.
- Démontrer une conscience critique des capacités et des limites des différentes formes d'algorithmes d'apprentissage.
- Obtenez des capacités avancées d'analyse critique, d'évaluation et d'amélioration continue des performances des algorithmes d'apprentissage.
- Acquérir des capacités avancées pour analyser les propriétés de calcul et statistiques des algorithmes d'apprentissage avancés et leurs performances.
- Acquérir une expertise dans l'utilisation et le déploiement d'outils de programmation pertinents pour l'apprentissage automatique pour une variété de problèmes d'apprentissage automatique complexes.
- Développez des compétences avancées en résolution de problèmes en appliquant de manière indépendante des méthodes d'apprentissage automatique à plusieurs problèmes complexes et démontrez votre expertise en matière de traitement de l'ambiguïté dans un énoncé de problème.
- Appliquez des compétences sophistiquées en initiant, en gérant et en complétant plusieurs rapports de projet et critiques sur diverses méthodes d'apprentissage automatique, qui démontrent la compréhension des experts, l'auto-évaluation et des compétences avancées en matière de communication d'idées extrêmement complexes.
Le diplôme minimum requis pour le programme de maîtrise en sciences en apprentissage automatique est de 35 crédits, répartis comme suit:
- Cours de base: 4 cours (15 heures de crédit)
- Cours au choix: 2 cours (8 crédits)
- Thèse de recherche: 1 cours (12 heures de crédit)
Des cours de base
MSc in Machine Learning est principalement un diplôme basé sur la recherche. Le but des cours est de doter les étudiants des compétences appropriées afin qu'ils puissent mener à bien leur projet de recherche (thèse). Les étudiants sont tenus de suivre COM701, en tant que cours obligatoire. Ils peuvent choisir trois cours de base parmi un groupe de concentration de six dans la liste ci-dessous :
| Code | Titre de cours | Des heures de credit |
| COM701 | Recherche, communication et diffusion | 3 |
| ML701 | Apprentissage machine | 4 |
| ML702 | Apprentissage automatique avancé | 4 |
| ML703 | Inférence probabiliste et statistique | 4 |
| MTH701 | Fondements mathématiques pour l'intelligence artificielle | 4 |
| AI701 | Intelligence artificielle | 4 |
| AI702 | L'apprentissage en profondeur | 4 |
Cours au choix
Les étudiants choisiront un minimum de deux cours au choix, avec un total de huit (ou plus) crédits d'heures (CH) parmi une liste de cours au choix disponibles en fonction de l'intérêt, de la thèse de recherche proposée et des perspectives de carrière, en consultation avec leur groupe de supervision. Les cours à option disponibles pour la maîtrise en apprentissage automatique sont répertoriés dans le tableau ci-dessous:
| Code | Titre de cours | Des heures de credit |
| MTH702 | Optimisation | 4 |
| CS701 | Programmation Avancée | 4 |
| CS702 | Structures de données et algorithmes | 4 |
| DS701 | Data Mining | 4 |
| DS702 | Big Data Processing | 4 |
| CV701 | Vision humaine et informatique | 4 |
| CV702 | Géométrie pour la vision par ordinateur | 4 |
| CV703 | Reconnaissance et détection d'objets visuels | 4 |
| NLP701 | Traitement du langage naturel | 4 |
| NLP702 | Traitement avancé du langage naturel | 4 |
| NLP703 | Traitement de la parole | 4 |
| ML704 | Paradigmes d'apprentissage automatique | 4 |
| ML705 | Sujets dans l'apprentissage automatique avancé | 4 |
| ML706 | Inférence statistique et probabiliste avancée | 4 |
| HC701 | Imagerie médicale: physique et analyse | 4 |
Thèse de recherche
La recherche en thèse de maîtrise expose les étudiants à un problème de recherche non résolu, dans lequel ils doivent proposer de nouvelles solutions et contribuer à la masse de connaissances. Les étudiants poursuivent une étude indépendante sous la direction d'un groupe de supervision pendant une période d'un an.
| Code | Titre de cours | Des heures de credit |
| ML699 | Mémoire de recherche | 12 |
Admissions
Curriculum
Le diplôme minimum requis pour le Master of Science in Machine Learning est de 36 crédits, répartis comme suit :
| Cours de base | Nombre de cours | Heures de crédit |
| Cœur de métier | 4 | 16 |
| Cours à option | 2 | 8 |
| Thèse de recherche | 1 | 12 |
| Stage | Au moins un stage d'une durée maximale de six semaines doit être effectué de manière satisfaisante pour l'obtention du diplôme. | 0 |
Cours de base
Le Master of Science in Machine Learning est avant tout un diplôme basé sur la recherche. L'objectif des cours est de doter les étudiants des compétences nécessaires pour qu'ils puissent mener à bien leur projet de recherche (thèse). Les étudiants sont tenus de suivre AI701, MTH701 et ML701 comme cours obligatoires. Ils peuvent choisir soit ML702, soit ML703, ainsi que deux cours à option.
| Code | Titre du cours | Heures de crédit |
| AI701 | Fondements de l'intelligence artificielle | 4 |
| MTH701 | Fondements mathématiques de l'intelligence artificielle | 4 |
| ML701 | Apprentissage automatique | 4 |
| ML702 | Apprentissage automatique avancé | 4 |
| ML703 | Inférence probabiliste et statistique | 4 |
Cours à option
Les étudiants choisiront au moins deux cours à option, pour un total de huit heures de cours (ou plus). L'un d'entre eux doit être choisi dans la liste A et l'autre dans la liste A ou B en fonction des intérêts, de la thèse de recherche proposée et des aspirations professionnelles, en consultation avec leur comité de supervision. Les cours à option disponibles pour le Master of Science in Machine Learning sont énumérés dans les tableaux ci-dessous :
Liste A
| Code | Titre du cours | Heures de crédit |
| ML702 | Faire progresser l'apprentissage automatique | 4 |
| ML703 | Inférence probabiliste et statistique | 4 |
| ML704 | Paradigmes d'apprentissage automatique | 4 |
| ML705 | Sujets relatifs à l'apprentissage automatique avancé | 4 |
| ML706 | Inférence probabiliste et statistique avancée | 4 |
Liste B
| Code | Titre du cours | Heures de crédit |
| AI702 | Apprentissage profond | 4 |
| CV701 | Vision humaine et informatique | 4 |
| CV702 | Géométrie pour la vision par ordinateur | 4 |
| CV703 | Reconnaissance et détection d'objets visuels | 4 |
| CV707 | Jumeaux numériques | 4 |
| DS701 | Exploration de données | 4 |
| DS702 | Traitement des données massives (Big Data) | 4 |
| HC701 | Imagerie médicale : Physique et analyse | 4 |
| ML707 | Services et applications de la ville intelligente | 4 |
| ML708 | Une intelligence artificielle digne de confiance | 4 |
| MTH702 | Optimisation | 4 |
| NLP701 | Traitement du langage naturel | 4 |
| NLP702 | Traitement avancé du langage naturel | 4 |
| NLP703 | Traitement de la parole | 4 |
Thèse de recherche
Le mémoire de maîtrise expose les étudiants à un problème de recherche non résolu, pour lequel ils doivent proposer de nouvelles solutions et contribuer au corpus de connaissances. Les étudiants effectuent un travail de recherche indépendant, sous la direction d'un comité de supervision, pendant une période d'un an.
| Code | Titre du cours | Heures de crédit |
| ML699 | Mémoire de recherche de master sur l'apprentissage automatique | 12 |
| Formation à la recherche | 0 |
Galerie
Classements
Classements CS en un coup d'œil
- 20e dans le domaine de l'IA dans le classement CS mondial
- 28e dans le domaine du ML dans le classement CS mondial
- 27ème dans le domaine du CV dans le classement CS mondial
- 24ème dans le domaine de la PNL dans le classement CS mondial
Résultat du programme
Après avoir satisfait aux exigences du programme, le diplômé sera capable de :
- Faire preuve d'une compréhension hautement spécialisée du pipeline moderne d'apprentissage automatique : données, modèles, principes algorithmiques et empiriques.
- Acquérir des compétences avancées en matière de prétraitement des données et d'utilisation de divers outils d'exploration et de visualisation.
- Démontrer une conscience critique des capacités et des limites des différentes formes d'algorithmes d'apprentissage.
- Obtenir des capacités avancées d'analyse critique, d'évaluation et d'amélioration continue des performances des algorithmes d'apprentissage.
- Acquérir des compétences avancées pour analyser les propriétés informatiques et statistiques des algorithmes d'apprentissage avancés et leurs performances.
- Acquérir une expertise dans l'utilisation et le déploiement d'outils de programmation liés à l'apprentissage automatique pour une variété de problèmes complexes d'apprentissage automatique.
- Développer des compétences avancées en matière de résolution de problèmes en appliquant de manière indépendante des méthodes d'apprentissage automatique à de multiples problèmes complexes et démontrer une expertise dans la gestion de l'ambiguïté d'un énoncé de problème.
- Appliquer des compétences sophistiquées en lançant, en gérant et en terminant plusieurs rapports de projet et critiques sur une variété de méthodes d'apprentissage automatique, qui démontrent une compréhension experte, une auto-évaluation et des compétences avancées en matière de communication d'idées très complexes.
Opportunités de carrière
L'IA s'infiltre dans tous les secteurs d'activité. Lors des récents événements d'engagement des employeurs au MBZUAI, il y a eu une représentation de multiples secteurs, y compris (mais sans s'y limiter) :
- Aviation, conseil, éducation, énergie, finance, entités gouvernementales, soins de santé, médias, pétrole et gaz, sécurité et défense, instituts de recherche, commerce de détail, télécommunications, transport et logistique, et start-ups.
Les récentes offres d'emploi publiées sur le portail des carrières étudiantes du MBZUAI comprennent (sans s'y limiter)
- Architecte de solutions d'IA, ingénieur de solutions d'IA, ingénieur algorithmique, analyste de données, ingénieur de données, scientifique de données, consultant en stratégie de données, ingénieur logiciel full stack, développeur web full stack, chercheur en analyse prédictive, et scientifique de données senior - consultant.
D'autres opportunités de carrière pourraient inclure (mais sans s'y limiter) :
- Scientifique appliqué, ingénieur analytique, réalité augmentée/virtuelle, voitures autonomes, biométrie et criminalistique, chief data officer, data platform leadership, data journalist, data and AI technical sales specialist, growth analytics / engineers, manager : AI and cloud services planning, machine learning engineers, product manager : AI et analyse de données, scientifique des données de produits, analyste de produits, télédétection, assistants de recherche, sécurité et surveillance, ingénieur logiciel senior et vice-président des données.