Yapay Zeka Bilim Ustası

AI'da üst düzey bir Yüksek Lisans derecesi ile kariyerinizi artırın!

Yapay zeka hayatımızda bir oyun değiştirici haline geldi. Bu program, öğrencilere alandaki temelleri ve en ileri teknikleri sunmayı ve bu dönüşümün teknik liderleri olmalarını sağlamayı amaçlamaktadır.

Programımız, alanı model/sembolik güdümlü ve veri güdümlü yapay zeka yöntemleriyle ele alan ve aynı zamanda etik, insanların interneti, ağlar, lojistik ve biyomedikal bilimler gibi temel toplumsal alanlara uygulamalarını değerlendiren benzersiz bir müfredat sunmaktadır.

Teoriden pratiğe uçtan uca bir yaklaşım sunan bu benzersiz program, seçkin öğretmenler ve sınıflar tarafından tamamen İngilizce olarak verilmektedir ve yapay zeka mimarları olarak geleceğe hazırlananlara benzersiz mükemmel bir müfredat sunmaktadır. 21. yüzyılın en sıcak disiplini.

Uygun bir profilim var mı?

• mühendislik, matematik, istatistik, bilişim, fizik alanlarında güçlü bir dereceyle (4 yıllık Lisans veya yüksek lisans birinci yılı) en iyi üniversiteden/okuldan mezun oldunuz mu veya yakında mezun olacak mısınız?
• En az bir programlama dili konusunda rahat mısınız?
• iş deneyiminiz çok mu az yoksa hiç yok mu?
• İyi bir İngilizce seviyeniz var mı ve tamamen İngilizce eğitim almak ister misiniz?
• AI'da bir uzman ve lider olmak mı istiyorsunuz?

Daha fazla bilgi edin

1. Dönem : 6 Temel Ders ile Temeller

• Makine Öğreniminin Temelleri: Bu derste, istatistiksel riske ve bunun bir tahmin işlevine göre en aza indirilmesine odaklanarak, makine öğrenimindeki en önemli eğilimlere genel bir bakış verilmektedir. Önemli bir laboratuvar bölümü, veri bilimi yarışmalarıyla ilgili grup projelerini içerir ve öğrencilere ders teorisini gerçek dünya problemlerine uygulama becerisi verir.
• Yapay Zekanın Temelleri: Yapay Zekanın farklı yaklaşımlarının tarihçesi ve genel bakışı: refleks ajandan (düşük seviyeli AI) uzman sistemlere ve xIA'ya (yüksek seviyeli AI) kadar. Her kavram bireysel pratik çalışmanın konusu olacaktır. Ek olarak, grup tarafından bir AI geliştirilecek ve bir turnuvada yarışacak.
• Karar modellemenin temelleri: Tercihler, insan etkileşimi ve kararları içeren birçok durumda mevcuttur ve yaygındır. Çok sayıda başvuruda açık veya örtülü olarak tercihler ifade edilmekte ve bu tercihlere göre karar verilmesi gerekmektedir. Bu ders, çok kriterli kararlar için tercih modellerini tanıtmayı amaçlamaktadır. Tercih modelleme ve çok kriterli karar verme için kavramlar ve yöntemler sunacağız.
• Optimizasyonun Temelleri: Optimizasyon problemlerinin çözümü için temel teori ve yöntemler; kısıtlamasız minimizasyon için yinelemeli teknikler; Python'da Programlama alıştırmalarıyla ilişkili mühendislik uygulamaları için doğrusal ve doğrusal olmayan programlamanın yanı sıra ayrık yöntemler bu derste ele alınmaktadır.
• Derin Öğrenmenin Temelleri: Bu ders, hem teorik kavramlar açısından hem de farklı eğitim ve programlama mimarileri ile uygulama açısından modern evrişimli sinir ağları teorisini tanıtacaktır. Çeşitli uygulama alanlarındaki somut örnekler, bu yöntemlerin yapay zekaya olan ilgisini ortaya koyacaktır.
• Büyük Veri ve Yapay Zeka Programlama Dilleri ve Platformlarının Temelleri : Bu kurs size büyük veri yönetimi hakkında her şeyi öğretecek - makine öğrenimine dayalı yapay zeka yöntemlerinin programlanmasıyla ilgili hesaplama yönlerine vurgu yaparak büyük veri işlemeyi desteklemek için gereken algoritmalar, teknikler ve araçlar .

Teorik AI: Seçilecek en az 3 seçmeli ders

• Takviyeli öğrenme: Bu ders, takviyeli öğrenme stratejileri aracılığıyla yapay zekada dinamik problem modellemenin temellerini tanıtacaktır. Özellikle, çeşitli yapay zeka sorunları için konsept ve uygulama düzeyinde optimizasyon stratejilerini, örnekleme stratejilerini ve ödül seçim stratejilerini tartışacağız.
• Oyun Teorisinde Mükemmellik: Bu ders ilk olarak belirsizlik altında karar verme ile ilgili temel ilkeleri ve belirsizlik altında karar verirken grafik modellerin kullanımını sunacaktır. belirsiz ve stratejik etkileşimlerin söz konusu olduğu durumlarda.
• Grafik Modellerin çıkarımı ve öğrenimi: Bu kurs, eğitim ve (yüksek dereceli) olasılık grafik modlarını optimize etmek için matematiksel temelleri ve hesaplamalı çözümleri ele alır. Bunlar, bir zamanlar verimli optimizasyon algoritmalarıyla donatıldığında, ortalama eğitim verisi hacmine sahip problemler için son teknoloji sonuçlar üreten güçlü orta düzey temsillerdir.
• Çok Etmenli Sistemler: Bu dersin amacı, çok etmenli sistemleri, yani aracılar olarak bilinen birden çok etkileşimli bilgi işlem öğesinden oluşan sistemleri, otonom ve karmaşık akıllı sistemlerin uygulanması için bir paradigma olarak incelemektir.
• İleri İstatistik : Bu ders öncelikle temel kavramlar (istatistiksel modelleme ve örnekleme, tahmin problemleri, karar teorisi ve hipotez testi) aracılığıyla matematiksel istatistiğin genel metodolojisini tanıtmayı amaçlar. Ardından, bu kurs, özellikle hesaplamalı istatistiklere ve sağlam tahmin yaklaşımlarına odaklanarak çok değişkenli analiz için ileri istatistiksel teknikler sağlar. Düzenlileştirilmiş / cezalandırılmış teknikler de sunulmaktadır.
• Gelişmiş Derin Öğrenme: Derin öğrenme yöntemleri artık birçok makine öğrenimi görevinde son teknoloji olup etkileyici sonuçlara yol açmaktadır. Bununla birlikte, hala tam olarak anlaşılamamıştır, sinir ağlarını eğitmek hala zordur ve sonuçlar, açıklamaları olmayan kara kutulardır. Günümüzde makine öğrenimi tekniklerinin toplumsal etkisi göz önüne alındığında (tıpta yardım, işe alma süreci, banka kredileri...), kararlarını açıklanabilir hale getirmek veya garantiler sunmak çok önemlidir. Ayrıca, gerçek dünya problemleri genellikle en ünlü akademik çalışmanın standart varsayımlarına veya çerçevelerine (veri miktarı ve kalitesi, uzman bilgisinin mevcudiyeti...) uymaz. Bu ders, matematiksel kavramlara dayalı olarak bu pratik yönleri ele almak için içgörüler ve araçlar sağlamayı amaçlamaktadır.

Uygulamalı Yapay Zeka: Seçilecek en az 3 seçmeli ders

• Görsel bilgi işlem: Bu ders, görsel hesaplamanın çeşitli problemlerinde, yani görsel analiz, nesne tanıma, çoklu görünümlerden 3B sahne modelleme, çok modlu verilerin çapraz eğitimi vb.
• Doğal dil işleme: Bu ders, insan dilleri ve bilgisayar biliminin kesiştiği noktada temel soruları ele alır. Bu kursta dili anlama, ayrıştırma, çeviri ve üretmeye yönelik sembolik ve sembolik olmayan yapay zekadan ilham alan yöntemleri keşfediyoruz.
• Ağ bilimi analitiği: Büyük ölçekli grafik verilerinden anlamlı bilgileri verimli ve etkili bir şekilde çıkarma sorunu, AI'daki birkaç önemli uygulama ile çok önemli ve zorlu hale geldi. Bu dersin amacı, büyük ölçekli grafik verilerinin analizi, madenciliği ve öğrenimi için en son ve son teknoloji yöntemleri ve algoritmaları ve bunların çeşitli alanlardaki pratik uygulamalarını sunmaktır.
• Bilgi alma ve çıkarma: Bu kurs, bir kullanıcının sorgusuyla ifade edilen bir bilgi ihtiyacını, genellikle çok büyük olan yapılandırılmamış veri koleksiyonlarında ilgili bilgileri alarak yanıtlama süreci olan Bilgi almanın temellerini ele alır. Bu ders aynı zamanda semantik ağ ve bilgi grafikleri ile soru cevaplama gibi güncel yaklaşımları da kapsayacaktır. Önemli bir pratik bölüm, bir arama uygulamasının tasarımı ve inşası üzerine grup projelerini içerir.
• Tıbbi Görüntüleme: Bu kurs, tıbbi görüntülemenin bilgisayar destekli çözümlerden otomatik olarak yorumlanmasıyla ilgili trendlere genel bir bakış sunacaktır. Kurs, alanın temel problemlerini (tespit, segmentasyon, kayıt) ve bilgisayar destekli teşhis için en yapay güdümlü ileri teknolojileri ele alan orta ve üst düzey yorumlamadaki tüm problem zincirini tartışacaktır.

3. dönem: Staj & Rapor (4 ila 6 ay)

• Fransa'da AI alanında en iyi 2. Yüksek Lisans, Eduniversal 2022
• CentraleSuélec, Paris-Saclay Üniversitesi'nin bir parçasıdır ve 2022 Şanghay Dünya Sıralamasında dünya çapında 16. Sıradadır
• İŞVEREN İTİBARINA GÖRE en iyi derecedeki kurumlar arasında: DÜNYA ÇAPINDA 7., FRANSA'DA 1. (QS Dünya Üniversite Sıralaması 2021): 10 öğrencimizden 8'i mezun olmadan önce ve %99'u mezun olduktan sonra iş buluyor

Daha fazla bilgi edin

CentraleSuélec, İŞVEREN İTİBARINA GÖRE en iyi derecedeki kurumlar arasındadır: DÜNYA ÇAPINDA 7., FRANSA'DA 1. (QS Dünya Üniversite Sıralaması 2021): 10 öğrencimizden 8'i mezun olmadan önce ve %99'u mezun olduktan sonra iş bulur.