Master 2 KUNSTMATIGE INTELLIGENTIE

De snelle groei van onderzoek en toepassingen op het gebied van kunstmatige intelligentie (AI) biedt ongekende kansen. Deze cursus is bedoeld voor studenten die uitstekend basisonderwijs willen volgen dat een breed spectrum aan concepten en toepassingen van datagestuurde AI bestrijkt, en die willen leren van voorbeelden.

Het programma biedt inleidende cursussen in statistisch leren, diep leren en versterkend leren, optimalisatie, signaalverwerking, informatietheorie en speltheorie. Talrijke opties maken het mogelijk om zichzelf te perfectioneren in het leren van theorie en om u te specialiseren in vele vakgebieden, zoals big data, beeldverwerking en taalverwerking.

Dit tweede jaar biedt een uitgebreide keuze aan opties, waarbij ethische aspecten en andere onderwerpen, zoals het starten van een bedrijf, aan bod komen.

Deze cursus vereist een goede achtergrond in wiskunde en informatica: - Waarschijnlijkheid en statistiek - Lineaire algebra - Differentiaal- en integraalrekening - Wetenschappelijk programmeren - Visualisatie van de gegevens Aanvragers moeten ook de M1 van kunstmatige intelligentie (of gelijkwaardig) met succes hebben afgerond: - Weet de basisprincipes van toegepaste statistiek en optimalisatie - Weet hoe je big data moet manipuleren - Weet hoe je technieken van gesuperviseerd, niet-gecontroleerd en versterkend leren kunt differentiëren en toepassen - Weet hoe je voorspellende modellen kunt programmeren met Python en master sci-kit-learn - Weet hoe gegevens visualiseren en resultaten illustreren met programmeertools - Weet hoe u een projectvoorstel moet schrijven en de resultaten schriftelijk en mondeling communiceert.

Vaardigheden:

Formuleer op wiskundige wijze gradiënt-afdalingsalgoritmen voor diepe neurale netwerken, grafische modellen of andere statistische leermodellen.

Programmeer deep learning-modellen en grafische modellen met Python en verwerf vaardigheid in Keras, TensorFlow en Pytorch.

Begrijp de grondslagen van statistisch leren op theoretisch niveau, met de nadruk op overleren en regularisatie.

Analyseer gegevens van verschillende typen (afbeelding, tekst, spraak) van het ruwe signaal.

Lees, vat wetenschappelijke artikelen samen, geef commentaar en reproduceer ze.

Carriere vooruitzichten:

Deze cursus bereidt zich voor op onderzoeks- en R & D-beroepen in nieuwe toepassingsgebieden die in volle gang zijn: computervisie (autonome voertuigen en biometrie); spraakherkenning (nodig voor nieuwe mens-machine-interfaces voor smartphones); filtering en aggregatie van heterogene en tekstuele inhoud (essentieel voor commerciële oplossingen voor het beheer van significante datastromen); beheer en monitoring van complexe of kritische industriële systemen die afhankelijk zijn van data-analyse.