Master in Machine Learning

Generale

Descrizione programma

Machine Learning sviluppa algoritmi per trovare modelli o fare previsioni da dati empirici e il programma di questo master ti insegnerà a padroneggiare queste abilità. L'apprendimento automatico è sempre più utilizzato da molte professioni e settori come produzione, vendita al dettaglio, medicina, finanza, robotica, telecomunicazioni e social media. I laureati del programma saranno esperti nel settore, qualificati per entusiasmanti carriere nell'industria o negli studi di dottorato.

Apprendimento automatico presso KTH

In questo programma imparerai le basi matematiche e statistiche e i metodi per l'apprendimento automatico con l'obiettivo di modellare e scoprire schemi dalle osservazioni. Acquisirai inoltre esperienza pratica su come abbinare, applicare e implementare le tecniche di apprendimento automatico pertinenti per risolvere problemi del mondo reale in una vasta gamma di domini applicativi. Dopo la laurea, avrai acquisito la fiducia e l'esperienza per proporre soluzioni trattabili a problemi di apprendimento potenzialmente non standard che puoi implementare in modo efficiente e robusto. Stoccolma ha una vivace comunità di start-up e grandi aziende consolidate che integrano AI e Machine Learning nel loro sviluppo tecnologico. Questo ti dà un grande potenziale per lavori industriali pertinenti e interessanti sul campo durante e dopo i tuoi studi.

Per fornire un'introduzione al campo e una solida base, il programma inizia con corsi obbligatori di apprendimento automatico e intelligenza artificiale. Questi corsi sono seguiti da un corso avanzato di apprendimento automatico e metodologia di ricerca. A partire dal secondo mandato, gli studenti scelgono i corsi in due aree: domini applicativi nell'ambito dell'apprendimento automatico e apprendimento automatico teorico. Queste aree corrispondono alle competenze chiave di un esperto di apprendimento automatico.

Il primo raggruppamento di corsi descrive come l'apprendimento automatico viene utilizzato per risolvere problemi in particolari domini applicativi come visione artificiale, recupero di informazioni, elaborazione di linguaggio e linguaggio, biologia computazionale e robotica. Il raggruppamento del secondo corso offre agli studenti la possibilità di frequentare corsi teorici di base in matematica applicata, statistica e apprendimento automatico. Di particolare interesse per molti sarà la possibilità di conoscere e comprendere in dettaglio l'eccitante campo dell'apprendimento profondo attraverso diversi corsi all'avanguardia come:

  • DD2424 Deep Learning in Data Science
  • DD2423 Analisi delle immagini e visione artificiale
  • DT2119 Riconoscimento vocale e oratore
  • DD2437 Reti neurali artificiali e architetture profonde
  • DD2425 Robotica e sistemi autonomi

Il programma ha anche 30 crediti ECTS di corsi opzionali che puoi scegliere tra una vasta gamma di corsi per specializzarti ulteriormente nel tuo campo di interesse o estendere le tue conoscenze a nuove aree all'interno dell'apprendimento automatico.

Il termine finale è dedicato a un progetto di laurea che prevede la partecipazione a progetti di ricerca avanzata o progettazione in un ambiente accademico o industriale, in Svezia o all'estero. Con questo progetto, lo studente arriva a dimostrare la propria capacità di svolgere un lavoro di progetto indipendente, utilizzando le competenze acquisite dai corsi del programma. In passato gli studenti del programma hanno completato progetti in aziende come Saab, Elekta, Flir, Eriksson, Tobii, Spotify, Thales, Huawei.

Questo è un programma di due anni (120 crediti ECTS) dato in inglese. I laureati ottengono il grado di Master of Science. Il programma è tenuto principalmente al KTH Campus di Stoccolma dalla School of Electrical Engineering and Computer Science (presso KTH ).

carriera

La richiesta di ingegneri e scienziati con conoscenze in Machine Learning sta crescendo con l'aumentare della quantità di dati nel mondo. Dopo la laurea, puoi intraprendere una carriera nel settore, in una start-up o in un'azienda tradizionale ben consolidata. I titoli possibili sono sviluppatore di software, ingegnere di deep learning, ingegnere di visione artificiale, analista di dati, ingegnere di software, analista quantitativo, scienziato di dati e ingegnere di sistemi in società come Dice, Logitech, Google e McKinsey, ad esempio in Svezia, Svizzera, Germania , Cina, India e Stati Uniti.

Questo programma di master è anche una base adatta per lavorare in un dipartimento di ricerca e sviluppo nel settore, nonché per una carriera di ricerca continua e studi di dottorato.

Studenti

Scopri cosa pensano gli studenti del programma del loro tempo a KTH .

Andres Alonso Toledo Carrera, Messico: "Anche se sono abituato a lavorare in team con progetti e incarichi, non ho mai lavorato in un ambiente diverso da quello in KTH , condividendo obiettivi simili con i miei compagni di classe ma a volte con prospettive e metodologie diverse. "

Sviluppo sostenibile

I laureati del KTH hanno le conoscenze e gli strumenti per spostare la società in una direzione più sostenibile, poiché lo sviluppo sostenibile è parte integrante di tutti i programmi. I tre principali obiettivi di sviluppo sostenibile affrontati dal programma del master in Machine Learning sono:

  • Buona salute e benessere
  • Città e comunità sostenibili
  • Pace, giustizia e istituzioni forti

Gli sviluppi nell'apprendimento automatico hanno iniziato a permeare molti aspetti della nostra vita e si prevede che abbiano un effetto sempre più profondo sulla società, ad esempio rendendo obsoleti molti lavori con colletti bianchi e blu a causa della maggiore automazione o migliorando i risultati dei pazienti a causa di una migliore personalizzazione medicine e diagnosi. Alcuni di questi sviluppi andranno a beneficio della società, mentre altri potrebbero non esserlo. Come laureati di questo programma, sarai molto ben informato sulle capacità tecniche e sulle potenziali applicazioni di Machine Learning, oltre a essere ben posizionato per spingere ulteriormente il progresso di Machine Learning / AI. Pertanto, nell'ambito del programma, oltre che nell'ambito di KTH , evidenziamo le questioni e le responsabilità etiche che verranno con queste abilità e conoscenze in corsi obbligatori come DD2301 e DD2380. Consideriamo queste responsabilità allineate agli Obiettivi di sviluppo sostenibile delle Nazioni Unite, in cui promuoviamo in modo specifico la consapevolezza degli OSS come parte di "DD2301: il corso di integrazione del programma" ed evidenziamo anche i casi d'uso di "AI in bene", che si intersecano con il SDG, come nella progettazione e gestione di parchi eolici e solari per renderli più efficienti, la diagnosi e il trattamento di varie malattie e la progettazione di interventi sanitari e ingegneria di precisione per promuovere pratiche agricole più efficienti.

Nell'ultimo anno dei loro studi, gli studenti del programma avranno l'opportunità di completare progetti di laurea finale che sono altamente rilevanti per più SDG. Esempi di casi in cui tali progetti hanno avuto luogo in passato sono:

  • SDG: "Good Health and Well-be", con società di tecnologia medica come Elekta e RaySearch;
  • SDG: "Città e comunità sostenibili", con il monitoraggio automatico delle immagini satellitari all'interno della Divisione di Geoinformatica, KTH .
  • SDG: "Istituzioni forti per la pace e la giustizia", con l'istituto internazionale indipendente SIPRI.

corsi

Il programma di master di due anni in Machine Learning consiste in tre termini di corsi e un termine finale dedicato al progetto di master. Ogni termine è costituito da circa 30 crediti ECTS. I corsi presentati in questa pagina si applicano agli studi che iniziano nell'autunno 2020.

Anno 1

Corsi obbligatori

  • Introduzione alla filosofia della scienza e metodologia della ricerca (DA2205) 7.5 crediti
  • Programma Integrating Course in Machine Learning (DD2301) 3.0 crediti
  • Intelligenza artificiale (DD2380) 6.0 crediti
  • Apprendimento automatico (DD2421) 7.5 crediti
  • Apprendimento automatico, corso avanzato (DD2434) 7.5 crediti

Corsi condizionatamente facoltativi

  • Visualizzazione (DD2257) 7.5 crediti
  • Neuroscienze (DD2401) 7.5 crediti
  • Corso individuale avanzato di biologia computazionale (DD2402) 6.0 crediti
  • Introduzione alla robotica (DD2410) 7.5 crediti
  • Progetto di ricerca in Robotica, percezione e apprendimento (DD2411) 15.0 crediti
  • Deep Learning, Advanced Course (DD2412) 6.0 crediti
  • Ingegneria del linguaggio (DD2418) 6.0 crediti
  • Probabilistic Graphical Models (DD2420) 7.5 crediti
  • Image Analysis and Computer Vision (DD2423) 7.5 crediti
  • Deep Learning in Data Science (DD2424) 7.5 crediti
  • Robotica e sistemi autonomi (DD2425) 9.0 crediti
  • Fotografia computazionale (DD2429) 6.0 crediti
  • Modellistica matematica dei sistemi biologici (DD2435) 9.0 crediti
  • Reti neurali artificiali e architetture profonde (DD2437) 7.5 crediti
  • Intelligenza artificiale e sistemi multi-agente (DD2438) 15.0 crediti
  • Metodi statistici in Informatica applicata (DD2447) 6.0 crediti
  • Motori di ricerca e sistemi di recupero informazioni (DD2476) 9.0 crediti
  • Tecnologia vocale (DT2112) 7.5 crediti
  • Riconoscimento vocale e oratore (DT2119) 7.5 crediti
  • Stima applicata (EL2320) 7,5 crediti
  • Apprendimento per rinforzo (EL2805) 7.5 crediti
  • Riconoscimento dei modelli e apprendimento automatico (EQ2341) 7.5 crediti
  • Data mining (ID2222) 7.5 crediti
  • Crediti formativi scalabili e apprendimento profondo (ID2223) 7.5 crediti
  • Ottimizzazione (SF1811) 6.0 crediti
  • Analisi di regressione (SF2930) 7.5 crediti
  • Teoria della probabilità (SF2940) 7.5 crediti
  • Analisi delle serie storiche (SF2943) 7.5 crediti

Corsi consigliati

  • Costruzione del sistema del programma utilizzando crediti C (DD1388) 7.5
  • Algorithms and Complexity (DD2352) 7.5 crediti
  • Sicurezza informatica (DD2395) 6.0 crediti
  • Fondamenti di crittografia (DD2448) 7.5 crediti
  • Programmazione di interazioni e Dynamic Web (DH2642) 7.5 crediti
  • Programmazione logica (ID2213) 7.5 crediti
  • Data-Computing Computing (ID2221) 7.5 crediti
  • Calcoli paralleli per problemi su larga scala (SF2568) 7.5 crediti

Anno 2

Corsi obbligatori

  • Progetto di laurea in Informatica e ingegneria, specializzato in Machine Learning, Second Cycle (DA233X) 30.0 crediti
  • Programma Integrating Course in Machine Learning (DD2301) 3.0 crediti

Corsi condizionatamente facoltativi

  • Visualizzazione (DD2257) 7.5 crediti
  • Introduzione alla robotica (DD2410) 7.5 crediti
  • Progetto di ricerca in Robotica, percezione e apprendimento (DD2411) 15.0 crediti
  • Deep Learning, Advanced Course (DD2412) 6.0 crediti
  • Probabilistic Graphical Models (DD2420) 7.5 crediti
  • Image Analysis and Computer Vision (DD2423) 7.5 crediti
  • Robotica e sistemi autonomi (DD2425) 9.0 crediti
  • Corso di progetto in Data Science (DD2430) 7.5 crediti
  • Modellistica matematica dei sistemi biologici (DD2435) 9.0 crediti
  • Reti neurali artificiali e architetture profonde (DD2437) 7.5 crediti
  • Intelligenza artificiale e sistemi multi-agente (DD2438) 15.0 crediti
  • Metodi statistici in Informatica applicata (DD2447) 6.0 crediti
  • Stima applicata (EL2320) 7,5 crediti
  • Apprendimento per rinforzo (EL2805) 7.5 crediti
  • Data mining (ID2222) 7.5 crediti
  • Crediti formativi scalabili e apprendimento profondo (ID2223) 7.5 crediti
  • Ottimizzazione (SF1811) 6.0 crediti
  • Analisi di regressione (SF2930) 7.5 crediti
  • Teoria della probabilità (SF2940) 7.5 crediti

Corsi consigliati

  • Costruzione del sistema del programma utilizzando crediti C (DD1388) 7.5
  • Algorithms and Complexity (DD2352) 7.5 crediti
  • Sicurezza informatica (DD2395) 6.0 crediti
  • Fondamenti di crittografia (DD2448) 7.5 crediti
  • Programmazione di interazioni e Dynamic Web (DH2642) 7.5 crediti
  • Programmazione logica (ID2213) 7.5 crediti
  • Data-Computing Computing (ID2221) 7.5 crediti
  • Calcoli paralleli per problemi su larga scala (SF2568) 7.5 crediti

Requisiti per l'ammissione

Per essere idoneo per il programma, è necessario aver conseguito una laurea, avere una conoscenza approfondita dell'inglese e soddisfare i requisiti specifici del programma.

Laurea triennale

È richiesto un diploma di laurea, equivalente a un diploma di laurea svedese, o titoli accademici equivalenti di un'università riconosciuta a livello internazionale. Gli studenti che seguono programmi tecnici più lunghi e hanno completato corsi equivalenti a un diploma di laurea triennale, saranno considerati caso per caso.

Conoscenza della lingua inglese

Conoscenza della lingua inglese equivalente a (la scuola secondaria superiore svedese) è richiesto il corso di inglese B / 6. Il requisito può essere soddisfatto attraverso un risultato pari o superiore a quelli indicati nei seguenti test di inglese riconosciuti a livello internazionale:

  • TOEFL su supporto cartaceo: punteggio di 4,5 (scala 1-6) nella prova scritta, un punteggio totale di 575.
    TOEFL ITP non è accettato.
  • TOEFL iBT basato su Internet: punteggio di 20 (scala 0-30) nella prova scritta, un punteggio totale di 90
  • IELTS Academic: un punteggio minimo complessivo di 6,5, senza sezione inferiore a 5,5
  • Cambridge ESOL: Cambridge English: Advanced (CAE) Certificate in Advanced English o Cambridge English: Proficiency (CPE) (Certificate of Proficiency in English)
  • Batteria di valutazione della lingua inglese del Michigan (MELAB): punteggio minimo di 90
  • Università del Michigan, ECPE (esame per il certificato di competenza in inglese)
  • Pearson PTE Academic: Score of 62 (writing 61)

Requisiti specifici per il programma di master in Machine Learning

Un diploma di laurea, o equivalente, corrispondente a 180 crediti ECTS, con un livello in Matematica e Informatica pari o superiore a quello dei seguenti corsi presso KTH :

  • SF1624 Algebra e geometria
  • SF1625 Calcolo in una variabile
  • SF1626 Calcolo in più variabili
  • SF1901 Teoria e statistiche della probabilità
  • DD1337 Programmazione
  • DD1338 Algoritmi e strutture dati

Documenti di applicazione

  1. Certificati e diplomi di precedenti studi universitari
  2. Trascrizione dei corsi completati e dei voti inclusi nella laurea
  3. Prova di padronanza della lingua inglese
  4. Una copia del passaporto contenente dati personali e fotografia o altri documenti di identificazione

Documenti specifici per il programma di master in Machine Learning

  • Lettera motivazionale
  • Lettere di raccomandazione
  • Scheda riepilogativa *

* Affinché la tua domanda sia considerata completa, devi compilare il foglio di riepilogo online. Se non si include un foglio di riepilogo, ciò può influire negativamente sul punteggio di valutazione. Assicurati di compilare tutte le informazioni richieste prima di inviare il modulo.

Ultimo aggiornamento Ottobre 2019

Sulla scuola

KTH Royal Institute of Technology has served as one of Europe’s key centres of innovation and intellectual talent for almost two hundred years. Recognized as Sweden’s most prestigious technical univer ... Ulteriori informazioni

KTH Royal Institute of Technology has served as one of Europe’s key centres of innovation and intellectual talent for almost two hundred years. Recognized as Sweden’s most prestigious technical university, KTH is also the country’s oldest and largest. With over 12,000 students and an international reputation for excellence, the university continues to nurture the world’s brightest minds, helping to shape the future. Leggi meno