Master 2 INTELLIGENZA ARTIFICIALE
National School Of Computer Science For Industry And Business - ENSIIE
Informazione chiave
Posizione del campus
Courcouronnes, Francia
Le lingue
Inglese
Formato di studio
Nel campus
Durata
Richiedi informazioni
Ritmo
Tempo pieno
Tasse universitarie
Richiedi informazioni
Scadenza della domanda
Richiedi informazioni
La prima data di inizio
Sep 2023
Borse di studio
Esplora le opportunità di borse di studio per contribuire a finanziare i tuoi studi
introduzione
La rapida crescita della ricerca e delle applicazioni sull'intelligenza artificiale (AI) offre opportunità senza precedenti. Questo corso è destinato agli studenti che desiderano ricevere un'eccellente istruzione primaria che copre un ampio spettro di concetti e applicazioni dell'IA basata sui dati e apprende da esempi.
Il programma offre corsi introduttivi in apprendimento statistico, apprendimento profondo e apprendimento per rinforzo, ottimizzazione, elaborazione del segnale, teoria dell'informazione e teoria dei giochi. Numerose opzioni consentono di perfezionarsi nella teoria dell'apprendimento e di specializzarsi in molti campi come i big data, le immagini e l'elaborazione del linguaggio.
Questo secondo anno offre una scelta più ampia di opzioni, coprendo aspetti etici e altri argomenti come l'avvio di un'azienda.
Questo corso richiede una buona preparazione in matematica e informatica: - Probabilità e statistica - Algebra lineare - Calcolo differenziale e integrale - Programmazione scientifica - Visualizzazione dei dati I candidati devono aver completato con successo anche l'M1 di Intelligenza Artificiale (o equivalente): - Conoscere le basi della statistica applicata e dell'ottimizzazione - Sapere come manipolare i big data - Sapere come differenziare e applicare tecniche di apprendimento supervisionato, non supervisionato e di rinforzo - Sapere come programmare modelli predittivi con Python e master sci-kit-learn - Sapere come visualizzare i dati e illustrare i risultati con strumenti di programmazione - Sapere come scrivere una proposta di progetto e comunicare i risultati per iscritto e oralmente.
Abilità:
Formulare matematicamente algoritmi di discesa del gradiente per reti neurali profonde, modelli grafici o altri modelli di apprendimento statistico.
Programma modelli di deep learning e grafici utilizzando Python e acquisisci competenze in Keras, TensorFlow e Pytorch.
Comprendere i fondamenti dell'apprendimento statistico a livello teorico, concentrandosi sull'eccessivo apprendimento e sulla regolarizzazione.
Analizza dati di vario tipo (immagine, testo, parlato) dal segnale grezzo.
Leggere, riassumere, commentare e riprodurre articoli scientifici.
Prospettive di carriera:
Questo corso prepara alla ricerca e alle professioni di R & S in nuovi campi di applicazione in pieno svolgimento: visione artificiale (veicoli autonomi e biometria); riconoscimento vocale (necessario per nuove interfacce uomo-macchina per smartphone); filtraggio e aggregazione di contenuti eterogenei e testuali (essenziale per soluzioni commerciali per la gestione di flussi di dati significativi); gestione e monitoraggio di sistemi industriali complessi o critici che si basano sull'analisi dei dati.
Sulla scuola
Domande
Corsi simili
Laurea Magistrale in Internet of Things (IoT)
- Biot, Francia
Master applicato in ingegneria dei dati per l'intelligenza artificiale
- Biot, Francia
- Paris, Francia + 1 Di più
Master in Intelligenza Artificiale
- Bologna, Italia