A gépi tanulás filozófiai doktora

A gépi tanulás filozófiai doktora

A program követelményeinek teljesítése után a diplomás képes lesz:

1. Szerezzen be szigorú matematikai hátteret és fejlett érvelési képességeket, hogy kifejezze a gépi tanulás szélén álló folyamatok átfogó és mély megértését: adatok, modellek, algoritmikus alapelvek és empirika.
2. Mester ismeretekkel és technikákkal rendelkezik az adat-előfeldolgozás, az adatstatisztikák feltárása és megjelenítése, valamint az összetett algoritmikus eredmények ismeretében.
3. Kritikus tudatában kell lennie a tanulási algoritmusok különböző formáinak képességeinek és korlátozásainak, valamint a tanulási algoritmusok teljesítményének kritikus elemzése, értékelése és javítása képességének.
4. Növeld a szakértői problémamegoldó készségeket a programban elsajátított alapelvek és módszerek különféle, valós problémákra történő önálló alkalmazásával.
5. Fejleszteni kell a statisztikai tulajdonságok és a teljesítménygaranciák alapos megértését, ideértve a konvergenciaarányt (az elméletben és a gyakorlatban) a különböző tanulási algoritmusokhoz.
6. Legyen szakértő a gépi tanulással kapcsolatos programozási eszközök alkalmazásában és telepítésében különféle gépi tanulási problémákra.
7. Növelje a meglévő gépi tanulási algoritmusok korlátai azonosításának képességét, és képes megfogalmazni, megtervezni és megvalósítani innovatív megoldást különféle rendkívül összetett problémákra a gépi tanulás korszerűsítésének elősegítése érdekében.
8. Képes kutatási kéziratokat kezdeményezni, kezelni és befejezni, amelyek igazolják a szakértői önértékelést és a gépi tanulással kapcsolatos rendkívül összetett ötletek kommunikálásának fejlett képességeit.
9. Szerezzen rendkívül kifinomult készségeket több projekt-jelentés és kritika elindításában, kezelésében és kitöltésében a különféle gépi tanulási módszerekkel kapcsolatban, amelyek igazolják a szakértői megértést, az önértékelést és a rendkívül összetett ötletekkel kapcsolatos fejlett készségeket.

A doktori fokozat minimális követelményei A gépi tanulásban 59 kredit van elosztva, az alábbiak szerint:

• Alaptanfolyamok: 4 tanfolyamok (15 kredit óra)
• Választható kurzusok: 2 tanfolyamok (8 kredit óra)
• Kutatási tézis: 1 tanfolyam (36 kredit óra)

Törzsanyag

Ph.D. a géptanulásban elsősorban kutatáson alapuló fokozat szerepel. A tantárgyak célja az, hogy felkészítsék a hallgatókat a megfelelő készségekre, hogy sikeresen teljesítsék kutatási projektjukat (téziseiket). A hallgatók kötelesek a COM701-et kötelező kurzusként venni. Három alaptanfolyamot választhatnak a nyolc koncentrációs készletből az alábbi listában:

Választható kurzusok

A hallgatók a felügyeleti testülettel konzultálva legalább két választható kurzust választanak, összesen nyolc (vagy annál több) hitelórával (CH) a rendelkezésre álló választható kurzusok listájáról, érdeklődés, javasolt kutatási tézis és karrierlehetőségek alapján. A választható kurzusok elérhetőek a Ph.D. a gépi tanulásban az alábbi táblázatban található:

Kutatási tézis

Ph.D. az értekezés a hallgatók számára a legmodernebb és megoldatlan kutatási problémáknak vet fel a gépi tanulás területén, ahol új megoldásokra van szükségük, és jelentõsen hozzá kell járulniuk a tudás egészéhez. A hallgatók független kutatási tanulmányt folytatnak, egy felügyeleti testület irányítása alatt, 3-4 évig.

Törzsanyag

Ph.D. a Machine Learningben elsősorban kutatáson alapuló diploma. A kurzus célja, hogy a hallgatók megfelelő készségekkel ruházzák fel kutatási projektjüket (szakdolgozatukat) sikeresen megvalósítva. A hallgatóknak kötelezően el kell végezniük a COM701-et. Három alaptanfolyamot választhatnak az alábbi listában található nyolc fős koncentrációs készletből:

Választható kurzusok

A hallgatók legalább két szabadon választható kurzust választanak ki, összesen nyolc (vagy több) kreditórával (CH) a rendelkezésre álló választható kurzusok listájáról az érdeklődés, a javasolt kutatási tézisek és a karrierlehetőségek alapján, a felügyelő testületükkel egyeztetve. A szabadon választható kurzusok a Ph.D. A gépi tanulásban az alábbi táblázatban találhatók:

Kutatási tézis

A Ph.D. A szakdolgozat élvonalbeli és megoldatlan kutatási problémák elé tárja a hallgatókat a gépi tanulás területén, ahol új megoldásokat kell javasolniuk, és jelentősen hozzá kell járulniuk a tudásanyaghoz. A hallgatók független kutatási tanulmányt folytatnak egy felügyelő bizottság irányítása alatt, 3-4 éves időtartamra.

CS Rangsorok egy pillantással

• 20. a mesterséges intelligencia területén a CS-rangsorban világszerte
• 28. az ML mezőnyben a CS-ranglistán világszerte
• 27. az önéletrajz területén a CS Rankings világban
• 24. az NLP területén a CS Rankings világszinten

A program követelményeinek teljesítése után a diplomás képes lesz:

1. Szerezzen szigorú matematikai hátteret és fejlett érvelési képességeket a gépi tanulás határterületén található folyamatok átfogó és mély megértésének kifejezésére: adatok, modellek, algoritmikus alapelvek és empiria.
2. Sajátítson el egy sor készséget és technikát az adat-előfeldolgozás, az adatstatisztika feltárása és megjelenítése, valamint az összetett algoritmikus eredmények terén
3. Kritikusan tisztában kell lennie a tanulási algoritmusok különböző formáinak képességeivel és korlátaival, valamint képes kritikusan elemezni, értékelni és javítani a tanulási algoritmusok teljesítményét.
4. Fejlessze a szakértői problémamegoldó készségeket a programban tanult elvek és módszerek önálló alkalmazása révén különféle összetett valós problémákra
5. A különböző tanulási algoritmusok statisztikai tulajdonságainak és teljesítménygaranciáinak mély megértése, beleértve a konvergencia arányait (elméletben és gyakorlatban)
6. Legyen szakértő a gépi tanulással kapcsolatos programozási eszközök használatában és telepítésében különféle gépi tanulási problémák megoldására
7. Növelje a jártasságot a meglévő gépi tanulási algoritmusok korlátainak azonosításában, valamint az innovatív megoldások koncepciózásának, tervezésének és megvalósításának képessége számos rendkívül összetett probléma megoldására a gépi tanulás legkorszerűbb fejlesztése érdekében.
8. Képes olyan kutatási kéziratok kezdeményezésére, kezelésére és befejezésére, amelyek szakértői önértékelést és fejlett készségeket mutatnak be a gépi tanulással kapcsolatos rendkívül összetett ötletek kommunikálásában
9. Szerezzen rendkívül kifinomult készségeket a különféle gépi tanulási módszerekre vonatkozó projektjelentések és kritikák kezdeményezésében, kezelésében és befejezésében, amelyek szakértői megértést, önértékelést és fejlett készségeket mutatnak a rendkívül összetett ötletek kommunikálásában.

Az AI minden iparágat áthat. A közelmúltban az MBZUAI-nál tartott munkáltatói elkötelezettségre vonatkozó eseményeken több ágazat képviseltette magát, beleértve (de nem kizárólagosan):

• Repülés, tanácsadás, oktatás, energia, pénzügy, kormányzati szervek, egészségügy, média, olaj és gáz, biztonság és védelem, kutatóintézetek, kiskereskedelem, távközlés, szállítás és logisztika, valamint startupok.

Az MBZUAI Hallgatói Karrier Portálon keresztül meghirdetett közelmúltbeli álláslehetőségek (de nem kizárólagosan):

• AI-megoldástervező, AI-megoldásmérnök, algoritmikus mérnök, adatelemző, adatmérnök, adattudós, adatstratégiai tanácsadó, full stack szoftvermérnök, full stack webfejlesztő, prediktív analitikai kutató és vezető adatkutató – tanácsadó.

Egyéb karrierlehetőségek lehetnek (de nem kizárólagosan):

• Alkalmazott tudós, elemzőmérnök, kibővített/virtuális valóság, autonóm autók, biometrikus és kriminalisztika, adatkezelő igazgató, adatplatform-vezető, adatújságíró, adat- és mesterségesintelligencia-értékesítési szakember, növekedéselemző / mérnökök, menedzser: AI és felhőszolgáltatások tervezése, gép tanuló mérnökök, termékmenedzser: mesterséges intelligencia és adatelemző, termékadat-tudós, termékelemző, távérzékelés, kutatási asszisztens, biztonság és felügyelet, vezető szoftvermérnök és VP adatok.