Master of Science in de computer-, communicatie- en informatiewetenschappen - machinaal leren, gegevenswetenschap en kunstmatige intelligentie

Algemeen

Lees meer over dit programma op de website van de school

Beschrijving van opleiding

Bestudeer doelstellingen

Machinaal leren is een van de sterke punten van Aalto University . Deze degelijke opleiding in moderne computationele data-analyse biedt uitstekende kansen voor een carrière in onderzoeksinstellingen of in de privésector in de zich snel ontwikkelende gebieden van machine learning, data science en kunstmatige intelligentie.

De methoden van machine learning en datamining zijn toepasbaar en nodig op een breed scala van gebieden, variërend van procesindustrie tot data science. Recente speerpunttoepassingsgebieden omvatten

  • bioinformatica,
  • computationele astrofysica, biologie en geneeskunde,
  • interactieve technologieën,
  • informatie ophalen,
  • informatie visualisatie,
  • neuro-informatica, en
  • analyse van sociale netwerken.

De major in Machine Learning, Data Science en Artificial Intelligence (Macadamia) behandelt een breed scala aan onderwerpen in moderne computationele data-analyse en modelleringsmethodieken.

Een afgestudeerde Macadamia

  • is in staat om data-intensieve problemen in data science en kunstmatige intelligentie te formaliseren in termen van de onderliggende statistische en computerprincipes.
  • kan de geschiktheid van verschillende methoden voor machinaal leren beoordelen om een bijzonder nieuw probleem in de industrie of de academische wereld op te lossen, en de methoden op het probleem toepassen.
  • kan de resultaten van een machine learning-algoritme interpreteren, hun geloofwaardigheid beoordelen en de resultaten communiceren met experts van andere velden.
  • kan gemeenschappelijke machine-leermethoden implementeren en nieuwe algoritmen ontwerpen en implementeren door de bestaande benaderingen aan te passen.
  • begrijpt de theoretische grondslagen van het machine-leergebied in de mate die nodig is om onderzoek in het veld te kunnen volgen.
  • begrijpt de kansen die machine learning biedt in data science en kunstmatige intelligentie.

Carrièremogelijkheden

De afgestudeerden van de Macadamia-major hebben een uitstekende achtergrond voor het nastreven van een academische carrière op het gebied van machine learning, data science en kunstmatige intelligentie, evenals in de industrie die deze technieken toepast.

Typische functietitels van pas afgestudeerden zijn onder Analyst, Analytics Engineer, Data Analyst, Data Scientist, DevOps Engineer, Machine Learning Software Engineer, PhD-student, Research Assistant, Software Developer, Software Engineer.

Voorbeelden van bedrijven waar onze recent afgestudeerde alumni voor werken: Accenture, Aureus Analytics, Discover Financial Services, Elsevier, Jongla, Omniata Inc, Sanoma, Verto Analytics.

Onze recent afgestudeerde alumni zijn promovendi aan de volgende universiteiten: Aalto University , Brown University, Carnegie Mellon University, Frans Instituut voor onderzoek naar computerwetenschappen en automatisering (Inria), Télécom Paris Tech, University of Bristol, University of California - Santa Cruz, Universiteit van Iowa, Universiteit van Surrey.

kwalificaties

Afgestudeerden van het programma zullen afstuderen met een Master of Science (Technology) diploma (diplomi-insinööri in het Fins).

Postdoctorale studie

Het programma komt in aanmerking voor doctorale studies (Doctor of Science in een toepasselijk vakgebied).

Taal van instructie

De instructietaal is voornamelijk Engels en het programma kan volledig in het Engels worden voltooid. Sommige cursussen kunnen in het Fins of Zweeds worden gevolgd.

Collegegeld

Het collegegeld bedraagt € 15.000 voor niet-EU / EER-studenten.

Inhoud van de studies

De Macadamia-major behandelt een breed scala aan onderwerpen in moderne computationele data-analyse en modelleringsmethodieken.

Doctoraatsspoor

De major biedt ook een competitief doctoraatspad waar een beperkt aantal topstudenten kan worden toegelaten. Studenten die zijn geselecteerd voor het doctoraatspad kunnen hun studies laten afstemmen op het nastreven van doctoraatsstudies en kunnen al tijdens hun masterstudies aan een doctoraat in een van de onderzoeksgroepen van de afdeling werken. Aan aanvragers wordt gevraagd om in het aanvraagformulier hun interesse in het doctoraatspad aan te geven.

Structuur van de studies

Het masterdiploma (120 ECTS) bestaat uit studies in major (55-65 ECTS), keuzevakken (25-35 ECTS) en masterscriptie (30 ECT).

De keuzevakken kunnen bestaan ​​uit aanvullende hoofdvakken, optionele minor, multidisciplinaire cursussen of studies in het buitenland. Studenten kunnen hun minor kiezen uit de andere majors in de masteropleiding Computer-, communicatie- en informatiewetenschappen of uit de andere masterprogramma's aangeboden door Aalto University .

Houd er rekening mee dat er mogelijk wijzigingen in het curriculum voor 2020-2022 zijn. Het nieuwe curriculum wordt gepubliceerd in april-mei 2020.

Scriptie

Studenten moeten een masterscriptie voltooien. Dit is een onderzoeksopdracht met een studielast van 30 ECTS. Het onderwerp van de scriptie wordt afgesproken door de student en de begeleider. Master scripties zijn meestal geschreven voor een bedrijf of voor een van de onderzoeksprojecten van de betreffende afdeling (en).

internationalisering

De studieomgeving in het programma is sterk internationaal en studies worden uitgevoerd in multiculturele groepen. De School of Science biedt verschillende mogelijkheden voor studentenuitwisseling over de hele wereld. Uitwisselingsstudies kunnen worden opgenomen in de graad, bijvoorbeeld als een internationale minderjarige. Studenten Machine Learning, Data Science en Kunstmatige Intelligentie hebben ook de mogelijkheid om de tweedejaarsstudies aan EURECOM in Sophia Antipolis, Frankrijk te volgen en een dubbele graad te behalen aan zowel Aalto University als EURECOM.

Andere mogelijkheden om iemands mondiale competentie te ontwikkelen, zijn onder meer het geven van praktische trainingen in het buitenland, het volgen van een zomercursus in het buitenland of het optreden als tutor voor eerstejaars studenten.

Samenwerking met andere partijen

Op het gebied van Macadamia wordt nauw samengewerkt op het gebied van onderwijs en onderzoek tussen de universiteit van Aalto University en de universiteit van Helsinki in de vorm van gezamenlijke activiteiten binnen het Finse centrum voor kunstmatige intelligentie (FCAI) en het Helsinki Institute for Information Technology (HIIT).

Onderzoeksfocus

De onderwerpen van de belangrijkste zijn gekoppeld aan doorlopende onderzoeksfocusgebieden in het Departement Computerwetenschappen van de School of Science van Aalto University van Aalto University .

Programma-specifieke toelatingseisen

Aanvragers van het programma moeten voldoen aan de algemene deelnamevereisten en taaleisen die gelden voor alle masterprogramma's op het gebied van wetenschap en technologie.

Toelatingscriteria voor het programma is een hoogwaardige bachelor in informatica, software engineering, communicatie-engineering of elektrotechniek. Uitstekende kandidaten met diploma's op andere gebieden zoals informatiesystemen, engineering, natuurwetenschappen, wiskunde of natuurkunde zullen worden overwogen als zij voldoende studies en bewezen vaardigheden en kennis op de vereiste gebieden hebben.

Vereiste achtergrond voor de machine learning, data science en kunstmatige intelligentie (Macadamia) major omvat voldoende vaardigheden in

  • wiskunde (vooral belangrijk zijn lineaire algebra, calculus, waarschijnlijkheidstheorie, statistiek en discrete wiskunde).
  • informatica (met name goede programmeervaardigheden, gegevensstructuren en algoritmen. Ook andere cursussen, zoals databases, de theorie van informatica, computernetwerken, software engineering).

Kennis van de volgende gebieden wordt als een voordeel beschouwd:

  • aanvullende kennis van wiskundige methoden (belangrijk).
  • stochastische methoden, geavanceerde waarschijnlijkheidstheorie en statistieken.
  • kunstmatige intelligentie, machine learning en datamining.
  • computationele modellering en data-analyse.
  • signaalverwerking.
  • big data-applicaties.

Evaluatiecriteria

Het selectieproces voor studenten is competitief en de beste kandidaten worden geselecteerd op basis van de volgende evaluatiecriteria:

  1. Inhoud van de vorige graad (en)
  2. Studiesucces: behaalde resultaten en tempo van studies
  3. Erkenning en kwaliteit van de thuisuniversiteit van de aanvrager
  4. Motivatie en betrokkenheid bij studies in het programma
  5. Andere relevante prestaties (werkervaring, publicaties, Junction Hackathon-competitie of andere programmeerwedstrijden, enz.)
  6. aanbevelingen
  7. Taalvaardigheid

Tijdens de beoordeling van in aanmerking komende aanvragen, worden het eerdere studiesucces en de inhoud van de eerdere graad (en) van de aanvragers eerst gecontroleerd. Alleen de aanvragen die aan deze voorlopige evaluatie voldoen, worden geëvalueerd aan de hand van de volledige reeks hierboven genoemde criteria.

Het studiesucces van de aanvrager wordt geëvalueerd op basis van het grade point average (GPA) en de resultaten in belangrijke vakken. Zeer goed eerder studiesucces wordt verwacht. Dit betekent dat de aanvrager consequent de beste cijfers heeft behaald tijdens alle gradenstudies (zeer hoog gewogen gemiddelde cijfer of GPA). De erkenning van de thuisuniversiteit van de aanvrager beïnvloedt de uiteindelijke interpretatie van academische prestaties.

De minimale GPA voor aanvragers van Finse hogescholen is 4.0. Aanvragers met een GPA onder de limiet kunnen alleen worden toegelaten als zij over andere uitzonderlijke kwalificaties beschikken. Programma's cursussen of gelijkwaardige cursussen afgerond in open universiteit of als niet-graden studies met uitstekende cijfers kunnen de toepassing ondersteunen.

De inhoud van de eerdere graad (en) van de kandidaat wordt beoordeeld op basis van de cursussen die beschikbaar zijn in het officiële transcript of records en de ingediende cursusbeschrijvingen. Van de aanvrager wordt verwacht dat hij voldoende studies heeft afgerond in de belangrijkste specifieke vakgebieden (zie hierboven). Relevante werkervaring, professionele certificaten en / of online cursussen worden geval per geval beoordeeld, maar ze compenseren over het algemeen niet de universitaire studies die ook de theoretische grondslagen van de vereiste vakken bevatten.

In de laatste fase van de academische evaluatie zijn de aanvragers die geslaagd zijn voor de voorlopige evaluatie gerangschikt en de beste aanvragers geselecteerd. Het programma heeft geen minimumquotum waaraan moet worden voldaan en niet alle in aanmerking komende aanvragers zullen noodzakelijkerwijs worden toegelaten.

Studies in het masterprogramma moeten de aanvrager echt nieuwe kennis bieden. Als de aanvrager al een masterdiploma heeft, moet de motivatiebrief duidelijk aangeven waarom een ander masterdiploma noodzakelijk is. In de meeste gevallen worden niet-universitaire of bijv. Open universitaire studies aanbevolen in plaats van diplomastudies als aanvulling op de eerdere graad of ter verbetering van iemands professionele vaardigheden. Als de aanvrager al een geldig studierecht heeft dat leidt tot een masterdiploma in het betreffende toelatingsdoel, kan de aanvrager niet worden overgenomen zonder speciale redenen.

Laatst bijgewerkt op mrt 2020

Over de school

At Aalto University, we believe in curiosity and we encourage our students to explore the unknown and do things in a totally new way. We offer the highest level of education in business, art and desig ... Lees meer

At Aalto University, we believe in curiosity and we encourage our students to explore the unknown and do things in a totally new way. We offer the highest level of education in business, art and design, architecture, and technology in Finland. Lees Minder
Espoo , Helsinki , Pori , Mikkeli + 3 Meer Minder