|
数据科学与人工智能，理学硕士 120 学分（2年） 随着数字革命的发展，数据科学和人工智能（AI）已成为我们生活以及整个社会的重要组成部分。科学，工业和其他组织可以获取大量数据，从分子生物学到社交媒体，从量子物理学到商业和零售。此外，用于处理大规模数据和机器学习的快速兴起的技术在分析此类数据以进行理解和洞察力以及为新的复杂任务构建AI系统方面创造了很多机会，而自动化决策已成为现实。到处都有熟练的数据科学家和AI工程师的需求。在机器学习以及理解数据科学和AI的各种问题方面拥有扎实的基础， Chalmers的数据科学和AI硕士课程 数据科学是一个高度跨学科的领域，与如何从数据中提取有用的知识有关，以提供更深入的理解和决策支持。它基于统计和机器学习方法的混合，以及用于处理大规模数据的计算技术和算法。应用领域的例子包括生物学和其他科学，医疗保健，商业，金融和各种互联网数据。计算方法的范围从收集和处理大规模数据的算法，统计方法（如贝叶斯建模）到机器学习技术（如深度神经网络）。 人工智能是关于构建智能系统的，并且由于具有大规模数据的机器学习的最新进展，当前是一个快速发展的领域，其中机器学习使计算机能够执行复杂的任务而无需进行显式编程。这种方法的成功例子包括机器翻译，计算机视觉，游戏和自动驾驶汽车。 通过使用大规模数据和机器学习，数据科学和AI领域紧密相连。由于通常先收集和分析数据以更好地理解问题，然后构建用于决策支持和自主决策的算法和系统，因此它们在应用程序中也相互连接。因此，随着对广泛领域中高级信息系统和计算机应用的需求的增加，数据科学和AI逐渐成为软件开发中必不可少的要素。 该计划的总体目标是教育工程师，他们在处理和分析各种数据方面可以承担各种各样的挑战，并且能够在复杂的数据密集型和与AI相关的应用程序中使用和开发软件。这就要求对理论和实践都有很好的理解，包括现有技术和发展中技术的可能性和局限性，以及如何以负责任的方式将其应用于各种情况。 节目说明 该课程的课程将为机器学习，统计和优化提供坚实的基础，对用于从大量复杂数据集中提取信息的数学建模技术有深入的了解，并具有与之合作的计算技能和算法。这样的数据。您还将熟悉数据科学和AI中的一系列常见问题，可以使用此类技术解决这些问题。 第一年包括四门必修课程：数据科学和AI入门，非线性优化，随机过程和贝叶斯统计，应用机器学习和AI系统设计。这将为您提供该领域的介绍和良好的基础。统计学和优化方面的纯数学课程在几个方面对数据科学和AI都很重要，并构成了机器学习的数学基础。应用课程将为您提供应用理论和实践经验的良好结合。这些课程还将考虑道德，社会和环境问题。 第二年的唯一必修部分是硕士论文。此外，您将需要选择一些必修的选修课程，并且可以从多种选修课程中进一步选择。在课程结束时，您将完成一个30学分的硕士学位论文项目，并将所学到的知识和技能付诸实践。 通过理论和实践相结合的程序课程，您将了解某些模型和算法的工作方式和原因，并能够确定其可能性和局限性。您将能够在特定的问题域中解决实际问题，结合现有方法和新方法来创建有效的解决方案。您将能够在这些快速发展的领域中不断学习，与特定问题领域的专家和非专家进行交流，并负责任地应用这些技术。您还将获得洞察力，以能够理解和影响数据科学和AI在社会中的作用。 为什么申请 该计划将在许多不同的应用领域（例如几乎所有其他工程学科）以及医学和金融领域带来广泛的职业机会。您将有能力从事行业或政府职业，以及进一步的博士学位研究和学术职业。 Chalmers在许多数据科学和AI子领域拥有着名的专业知识，包括机器学习，生物信息学，图像分析和计算机视觉，自然语言处理，数据库，大规模算法和优化，随机建模，贝叶斯和空间统计。哥德堡地区包括许多在这些地区开展广泛活动的公司。查尔默斯（Chalmers）和瑞典全国都有人工智能方面的重大计划，这为未来创造了更多机会。 除了计算机科学与工程系和数学科学系以外，还有几个系提供将数据科学和/或AI应用于其特定子域的课程，包括空间，地球与环境，物理，生物学与生物技术系，电气工程系， 化学和C hemical工程， 显微技术和ñ anoscience以及技术管理和经济。 谁应该申请 硕士课程是计算机科学和数学/统计学研究的自然延伸，但如果您来自不同的技术背景，并且在数学和计算机科学方面有足够的基础，并且也希望通过深入介绍来拓宽您的视野，则该课程也适用。数据科学和人工智能。 涵盖的主题 一个的主题rtificial智能，人工智能系统的设计 和随机过程是在数据科学和人工智能的硕士课程基本领域。计划计划中包含的课程处理诸如机器学习，数据库和算法之类的主题。 硕士课程结构 硕士课程为期两年。每年，学生可以累积60个学分，获得60个学分（ECTS）并完成该课程。通过完成课程可获得学分，其中每门课程通常为7.5学分。该课程包括必修课程，必修选修课程和选修课程。 一年级必修课程 在第一年中，该计划从四个必修课程开始，这些必修课程构成了数据科学和AI的共同基础。每个课程通常为7.5学分。 数据科学与人工智能导论 非线性优化 随机过程和贝叶斯统计 AI系统设计 第二年必修课程 在第二年，您必须完成一份价值30个学分的硕士学位论文才能毕业。 硕士论文 必修选修课 您需要从常规组1中选择至少两门课程，并从特定于概要文件的组2中选择至少两门课程。然后，您可以专注于其中一个概要轨道。 第一组： 资料库 应用机器学习* 机器学习和推理算法* 大规模数据技术 大数据的统计学习 演算法 第2组： 先进的机器学习 统计图像分析 财务时间序列 高性能计算 图像处理** 自然语言处理 大规模优化 基本随机过程和财务应用 图像分析** *考试中只能同时计入“应用机器学习”与“机器学习和推理算法”之间的课程之一。 **考试中只能同时计入图像处理和图像分析之间的课程之一。 简介跟踪：算法和机器学习 资料库 机器学习和推理算法 大规模数据技术 演算法 自然语言处理 资料跟踪：大规模统计 数据库 应用机器学习 大规模数据技术 大数据的统计学习 演算法 高性能计算 大规模优化 资料跟踪：图像分析和计算机视觉，替代方法1 资料库 应用机器学习 大数据的统计学习 统计图像分析 演算法 图像处理 资料跟踪：图像分析和计算机视觉，替代方法2 资料库 应用机器学习 大数据的统计学习 统计图像分析 演算法 图像分析 资料跟踪：金融数据科学 资料库 应用机器学习 大数据的统计学习 财务时间序列 演算法 基本随机过程和财务应用 选修课程 您还可以选择课程计划之外的课程。这些称为选修课。您可以从广泛的选修课程中进行选择，包括以下内容： 贝叶斯统计的计算方法 深度机器学习 人工神经网络 数值线性代数 随机优化算法 算法，高级课程 实证软件工程 计算机视觉 线性统计模型 应用信号处理 生物信息学中的计算方法 分布式系统1 人工智能概论 离散优化 分布式系统2 信息可视化 复杂系统的信息论 地理信息系统 应用程序的线性和整数优化 电子健康 贝叶斯统计 课程计划，教学大纲，课程描述和学习成果 您可能感兴趣的其他硕士课程 复杂的自适应系统，硕士 计算机科学-算法，语言和逻辑，硕士 计算机系统和网络，硕士 工程数学与计算科学，硕士 高性能计算机系统，硕士 软件工程技术，硕士 入学要求（2021/2022学年） 一般入学要求 申请人必须具有科学/工程/技术/建筑学学士学位，或者必须入读该学位的最后一年的学习课程。 一般入学要求 具体入学要求 学士学位，主修： 工程，技术，科学或数学 先决条件： 数学（至少30cr。，包括多变量分析，线性代数和数学统计），使用通用语言编程（例如C / C ++ / Java / Haskell或类似语言（至少7,5cr。）），和算法和/或数据结构（至少7,5 cr。） 英语要求 英语要求 查默斯大学学士学位 您现在是在查尔默斯大学攻读学士学位课程吗？还是已经拥有查尔默斯大学的学士学位？如果是这样，则适用不同的申请日期和申请说明。 Välja硕士生课程 有用的链接 如何提交申请 所需文件 国际学生奖学金 常问问题 适用范围 学位：理学硕士（MSc） 学分： 120 持续时间： 2年 程度：第二周期 学习率： 100％ 教学时间：白天 教学语言：英语 教学形式：校园内（所在地：约翰内斯堡校区） 学费： 140 000瑞典克朗/学年 *欧盟/欧洲经济区公民无需支付费用 申请代码： CTH-87009 申请时间：每年的10月中旬至1月中旬 |
|
|
