Master of Engineering in AI voor productinnovatie
Durham, Verenigde Staten
DUUR
12 up to 24 Months
TALEN
Engels
TEMPO
Full time, Deeltijd
DEADLINE VOOR AANMELDING
Aanvraagdeadline
EERSTE STARTDATUM
Vraag de vroegste startdatum aan
COLLEGEGELD
USD 30.250 / per semester
STUDIE FORMAAT
Afstand leren, Op de campus
Beurzen
Ontdek mogelijkheden voor beurzen om je studie te financieren
Invoering
Ons programma wordt erkend als een van de best toegepaste AI/ML-afstudeerprogramma's ter wereld.
Studenten in ons MEng AI for Product Innovation-programma ontwikkelen sterke technische vaardigheden op het gebied van AI en machine learning, samen met inzicht in het ontwerpen en bouwen van door AI aangedreven softwareproducten.
Afgestudeerden gaan aan de slag bij toonaangevende bedrijven die moeilijke problemen oplossen in vele sectoren, zoals technologie, gezondheidszorg, energie, detailhandel, transport en financiën, of ze streven hun eigen ondernemingsactiviteiten na.
Leer om:
- Ontwerp en ontwikkel machine learning-systemen voor schaalbaarheid, beveiliging en bruikbaarheid;
- Pas traditionele machine learning- en deep learning-modellen toe om uitdagende problemen in verschillende domeinen op te lossen;
- Bouw full-stack softwareapplicaties die machine learning-modellen integreren met behulp van de nieuwste methoden en technologieën;
- Ontwerp en implementeer softwareapplicaties in productie;
- Onze studenten hebben verschillende technische en wetenschappelijke achtergronden.
Flexibiliteit en opties
12 of 16 maanden op de campus, of 24 maanden online
Innovatief en meeslepend, deze masteropleiding kan worden afgerond in 12 of 16 maanden op de campus, of online in deeltijd in slechts 24 maanden.
Versnelde optie voor 12 maanden
Aanzienlijk goedkoper dan een traditioneel masterprogramma - in deze optie betaal je collegegeld voor slechts twee (2) volledige semesters plus drie (3) studiepunten voor zomersessies.
Optie voor 16 maanden
Volg deze opleiding gedurende drie (3) volledige semesters plus de zomer, zodat je tijd hebt om aanvullende keuzevakken te volgen en je te specialiseren. Studenten die dit pad volgen, kunnen tijdens hun laatste semester een gedeeltelijke of volledige lading cursussen volgen.
4+1: BSE+masteroptie voor Duke Undergrad
Duke-studenten kunnen hun bachelor en deze masteropleiding in slechts vijf (5) jaar afronden.
Beursmogelijkheid: De AIPI 4+1-beurs dekt 20 procent van de kosten. Geschiktheid en andere voorwaarden zijn van toepassing.
MD-Master of Engineering in AI voor Productinnovatie Dual Degree
Geneeskundestudenten aan Duke kunnen deze opleiding tijdens het derde jaar afronden.
Beursmogelijkheid: De MD-MEng AIPI-beurs dekt 20 procent van de kosten. Geschiktheid en andere voorwaarden zijn van toepassing. Aangeboden in samenwerking met Duke MEDx.
De keuze tussen online of op de campus is aan jou: alle studenten volgen dezelfde cursussen, leren van dezelfde faculteit en behalen hetzelfde Duke-diploma.
toelatingen
Beurzen en financiering
leerplan
Industrieel verbonden curriculum
Het kerncurriculum van deze graad is ontwikkeld in samenwerking met de industrie.
- Bouw een persoonlijk portfolio op met praktijkgerichte AI- en machine learning-projecten.
- Ontvang individueel advies, academisch en carrièreadvies van een uitstekende faculteit van wereldklasse.
- Wees betrokken bij collega's van over de hele wereld als onderdeel van een klein, intiem en meeslepend cohort.
We bereiden afgestudeerden voor die klaar zijn om problemen op het werk op te lossen, vanaf dag 1.
Ons curriculum omvat zowel de theorie als de toepassing van AI en machinaal leren, met in elke cursus een zware nadruk op praktijkgericht leren via problemen en projecten uit de echte wereld.
Studenten hebben tijdens het programma ook twee mogelijkheden om rechtstreeks met marktleiders samen te werken: via het semesterlange industriële sluitstukproject en via hun zomerstage.
Curriculumroosters
De kern van het curriculum volgt een op cohorten gebaseerde cursusvolgorde.
Versnelde optie op de campus: 12 maanden
| Zomer | Val | Lente | Zomer |
Voorwaarde- | AIPI 510: Gegevens verzamelen voor analyse | MENG 540: Beheer van hightechindustrieën | AIPI 560: Juridische, maatschappelijke en ethische implicaties van AI |
| AIPI 520: modelleringsproces en algoritmen | AIPI 540: Deep Learning-toepassingen | AIPI 561: AI operationeel maken (MLOps) | |
AIPI 530: Optimalisatie in de praktijk OR AIPI 531: toepassingen voor diepgaand versterkend leren | AIPI 549: Industrie Capstone-project | Industriestage of project | |
| MENG 570: Bedrijfsbeginselen voor ingenieurs | Keuzevak 1 | ||
| AIPI 501: Serie industriële seminars | Keuzevak 2 |
Op de campus: 16 maanden
| Zomer | Herfst 1 | Lente | Zomer | Herfst 2 |
Voorwaarde- | AIPI 510: Gegevens verzamelen voor analyse | AIPI 540: Deep Learning-toepassingen | AIPI 560: Juridische, maatschappelijke en ethische implicaties van AI | AIPI 530: Optimalisatie in de praktijk OR AIPI 531: toepassingen voor diepgaand versterkend leren |
| AIPI 520: modelleringsproces en algoritmen | AIPI 549: Industrie Capstone-project | AIPI 561: AI operationeel maken (MLOps) | Keuzevak 2 | |
| MENG 570: Bedrijfsbeginselen voor ingenieurs | MENG 540: Beheer van hightechindustrieën | Industriestage of project | ||
| AIPI 501: Serie industriële seminars | Keuzevak 1 |
Parttime online: 24 maanden
| Semester | Cursus 1 | Cursus 2 | Aanvullende vereisten |
| Zomer 1 | Voorwaarde- AIPI 503: Python- en datawetenschapwiskundebootcamp | ||
| Herfst 1 | AIPI 510: Gegevens verzamelen voor analyse | MENG 570: Bedrijfsbeginselen voor ingenieurs | AIPI 501: Serie industriële seminars |
| Lente 1 | AIPI 520: modelleringsproces en algoritmen | MENG 540: Beheer van hightechindustrieën | |
| Zomer 2 | AIPI 540: Deep Learning-toepassingen | Residentie op de campus | |
| Herfst 2 | AIPI 530: Optimalisatie in de praktijk of AIPI 531: toepassingen voor diepgaand versterkend leren | Keuzevak 1 | |
| Lente 2 | AIPI 549: Capstone-project | Keuzevak 2 | |
| Zomer 3 | AIPI 560: Juridische, maatschappelijke en ethische implicaties van AI | AIPI 561: AI operationeel maken (MLOps) | On-campus Residency
|
Programma collegegeld
Carrièremogelijkheden
Afgestudeerden van ons programma gaan werken in verschillende industrieën, afhankelijk van hun interesses en achtergronden.
Sommigen sluiten zich aan bij de grootste technologie-, engineering- en gezondheidszorgbedrijven, terwijl anderen hun eigen startup-ondernemingen zijn begonnen. Veel studenten kiezen ervoor om een van de twee verschillende rollen na te streven binnen bedrijven in verschillende sectoren: ML Engineer en Data Scientist.
Om studenten zo goed mogelijk voor te bereiden op deze loopbaantrajecten, biedt het AIPI-programma twee verschillende optionele trajecten, die zich voornamelijk onderscheiden door de keuze van keuzevakken. Daarnaast kunnen studenten ervoor kiezen om hun eigen traject te ontwikkelen door keuzevakken te volgen aan de Pratt School of Engineering en elders binnen Duke.
Machine Learning Engineering-traject
Bereid je voor op een carrière in het ontwerpen, bouwen en implementeren van ML-modellen en softwareapplicaties
- Verscherp uw vaardigheden op het gebied van softwareontwikkeling en bouw expertise op op het gebied van AI en machine learning;
- Bouw een sterke basis in de theorie en programmering van ML, samen met MLOps-vaardigheden;
- Leer machine learning-modellen ontwerpen, bouwen en implementeren in productie;
- Volg keuzevakken in data-engineering, cloud computing, computervisie, NLP of versterkend leren.
Studenten met een eerdere achtergrond in programmeren of softwareontwikkeling en interesse in een carrièrepad als ML Engineer worden aangemoedigd om dit traject te volgen.
Data Science Track
Bereid je voor op een carrière in het analyseren en modelleren van gegevens om domeinspecifieke problemen op te lossen
- Benut uw onderwijs- of werkachtergrond op een gebied van techniek, geneeskunde of wetenschap samen met nieuwe vaardigheden op het gebied van data-analyse en machinaal leren;
- Los uitdagende problemen in jouw vakgebied op;
- Volg keuzevakken in statistische analyse, datavisualisatie, optimalisatie of modellering.
Studenten die een achtergrond hebben op een gebied van techniek, geneeskunde of wetenschap die geen verband houden met computerwetenschappen, en die hun domeinexpertise willen combineren met ML-vaardigheden om een carrièrepad als datawetenschapper te volgen, worden aangemoedigd om dit traject te volgen.
Ontwerp je eigen nummer
Pas je eigen Pathway aan via de strategische keuze uit keuzevakken van de Pratt School of Engineering of elders in Duke (met goedkeuring).
English Language Requirements
Certificeer uw Engelse taalvaardigheid met de Duolingo Engelse test! De DET is een handige, snelle en betaalbare online test Engels die wordt geaccepteerd door meer dan 4.000 universiteiten (zoals deze) over de hele wereld.
Over de school
Vragen
Vergelijkbare cursussen
MSc in computerwetenschappen
- Syracuse, Verenigde Staten
Master in computer- en wiskundewetenschappen
- Las Vegas, Verenigde Staten
Master in computervisie en datawetenschap
- Leeuwarden, Nederlanden