MSc στη Στατιστική και Μηχανική Μάθηση

• Έναρξη: Αύγουστος 2021
• Τόπος σπουδών: Linköping
• Επίπεδο: Δεύτερος κύκλος

Η ταχεία ανάπτυξη των τεχνολογιών της πληροφορίας έχει κατακλύσει την κοινωνία με τεράστιους όγκους πληροφοριών που παράγονται από μεγάλα ή περίπλοκα συστήματα από τηλεπικοινωνίες, ρομποτική, ιατρική, επιχείρηση και πολλούς άλλους τομείς. Αυτό το πρόγραμμα μάστερ ανταποκρίνεται στις προκλήσεις της μάθησης από αυτούς τους πολύπλοκους τόμους μέσω μοντέλων και αλγορίθμων από τη μηχανική μάθηση, την εξόρυξη δεδομένων και άλλες στατιστικές μεθόδους υψηλής έντασης υπολογιστή. Με τη συμμετοχή μας, θα αυξήσετε την αποδοτικότητα και την παραγωγικότητα των συστημάτων και θα τα κάνετε πιο έξυπνα και πιο αυτόνομα.

Μάθετε να κάνετε αξιόπιστες προβλέψεις

Το πρόγραμμα επικεντρώνεται σε σύγχρονες μεθόδους από τη μηχανική μάθηση και τη διαχείριση βάσεων δεδομένων που χρησιμοποιούν τη δύναμη των στατιστικών για τη δημιουργία αποτελεσματικών μοντέλων και τη λήψη αξιόπιστων προβλέψεων και βέλτιστων αποφάσεων. Θα αποκτήσετε βαθιά θεωρητική γνώση καθώς και πρακτική εμπειρία από εκτεταμένες ποσότητες εργαστηριακής εργασίας. Αν θέλετε να συμπληρώσετε τις σπουδές σας με μαθήματα σε άλλα πανεπιστήμια, μπορείτε να συμμετάσχετε σε ανταλλαγές σπουδών κατά το τρίτο εξάμηνο.

Ανάλογα με τα ενδιαφέροντά σας, θα εργαστείτε για τη διατριβή σας σε μια εταιρεία, ένα κυβερνητικό ίδρυμα ή μια ερευνητική μονάδα στο LiU. Εκεί μπορείτε να εφαρμόσετε τις γνώσεις σας σε ένα πραγματικό πρόβλημα και να συναντήσετε ανθρώπους που χρησιμοποιούν στην πράξη προηγμένα αναλυτικά δεδομένα ή μπορείτε να πάτε βαθύτερα στην έρευνα.

Αυτό το πρόγραμμα είναι για εσάς εάν επιθυμείτε να μάθετε πώς να:

• βελτίωση της ικανότητας ενός λογισμικού αναγνώρισης ομιλίας ενός κινητού τηλεφώνου να διακρίνει τα φωνήεντα σε ένα θορυβώδες περιβάλλον
• παρέχει έγκαιρη προειδοποίηση για μια οικονομική κρίση αναλύοντας τη συχνότητα των λέξεων που σχετίζονται με την κρίση σε χρηματοοικονομικά μέσα και φόρουμ Διαδικτύου
• βελτίωση του κατευθυνόμενου μάρκετινγκ, αναλύοντας τα πρότυπα αγορών σε βάσεις δεδομένων σαρωτών σούπερ μάρκετ
• δημιουργήστε ένα αποτελεσματικό φίλτρο spam
• εκτιμήστε την επίδραση που θα έχει η νέα νομοθεσία για την κυκλοφορία στον αριθμό των θανάτων σε τροχαία ατυχήματα
• χρησιμοποιήστε ένα σύνθετο σύνολο δεδομένων μικροσυστοιχιών DNA για να μάθετε για τους παράγοντες κινδύνου του καρκίνου
• προσδιορίστε την προέλευση ενός δείγματος ελαιολάδου με τη χρήση διαδραστικών και δυναμικών γραφικών

Το μάθημα και οι λεπτομέρειες του μαθήματος

Το πρόγραμμα διαρκεί πάνω από δύο χρόνια και περιλαμβάνει 120 μονάδες, συμπεριλαμβανομένης μιας διατριβής.

Το εισαγωγικό τμήμα των μαθημάτων περιέχει ένα μάθημα βασικών στατιστικών που συνιστάται για φοιτητές με υπόβαθρο στην επιστήμη των υπολογιστών ή τη μηχανική και ένα μάθημα προγραμματισμού που συνιστάται για φοιτητές που έχουν πτυχίο στατιστικής ή μαθηματικών. Τα μαθήματα Machine Learning, Advanced Data Mining, Deep Learning, Big Data Analytics, Computational Statistics και Bayesian learning αποτελούν τον πυρήνα του προγράμματος.

Επιπλέον, οι μεταπτυχιακοί φοιτητές έχουν την ελευθερία να επιλέξουν μεταξύ μαθημάτων προφίλ - με στόχο την ενίσχυση της στατιστικής και αναλυτικής ικανότητας των μαθητών - και συμπληρωματικών μαθημάτων - που επιτρέπουν στους μαθητές να επικεντρωθούν σε συγκεκριμένους εφαρμοσμένους τομείς ή συναφή μαθήματα από άλλους κλάδους. Παρέχονται ευκαιρίες για ανταλλαγές σπουδών κατά το τρίτο εξάμηνο του προγράμματος.

Για να λάβουν το πτυχίο, οι φοιτητές πρέπει να έχουν περάσει 90 μονάδες ECTS, συμπεριλαμβανομένων των 42 μονάδων ECTS των υποχρεωτικών μαθημάτων, τουλάχιστον 6 μονάδες ECTS των εισαγωγικών μαθημάτων, τουλάχιστον 12 μονάδες ECTS των μαθημάτων προφίλ και, ενδεχομένως, κάποια ποσότητα συμπληρωματικών μαθημάτων. Οι φοιτητές πρέπει επίσης να έχουν υπερασπιστεί με επιτυχία μια μεταπτυχιακή θέση 30 μονάδων ECTS.

Ευκαιρίες καριέρας

Ειδικός σε υψηλή ζήτηση

Η ζήτηση αυξάνεται ραγδαία για ειδικούς που μπορούν να αναλύουν μεγάλα και περίπλοκα συστήματα και βάσεις δεδομένων με τη βοήθεια σύγχρονων μεθόδων υψηλής έντασης υπολογιστή. Οι επιχειρήσεις, οι τηλεπικοινωνίες, η πληροφορική και η ιατρική είναι μόνο μερικά παραδείγματα τομέων όπου οι μαθητές μας έχουν μεγάλη ζήτηση και βρίσκουν προηγμένες αναλυτικές θέσεις μετά την αποφοίτησή τους.

Οι μαθητές που στοχεύουν σε μια επιστημονική καριέρα θα βρουν το πρόγραμμα το ιδανικό υπόβαθρο για μελλοντική έρευνα. Πολλοί από τους καθηγητές του προγράμματος είναι διεθνώς αναγνωρισμένοι ερευνητές στους τομείς της στατιστικής, της εξόρυξης δεδομένων, της μηχανικής μάθησης, της μεθοδολογίας βάσεων δεδομένων και της υπολογιστικής στατιστικής.

Προυποθέσεις εισόδου

Πτυχίο ισοδύναμο με ένα Σουηδικό Kandidatexamen στα στατιστικά, τα μαθηματικά, τα εφαρμοσμένα μαθηματικά, την πληροφορική, τη μηχανική ή ένα παρόμοιο πτυχίο. Ολοκληρώθηκαν μαθήματα με βαθμολογία στα ακόλουθα θέματα:

• λογισμός
• γραμμική άλγεβρα
• στατιστική
• προγραμματισμός

Αγγλικά που αντιστοιχούν στο επίπεδο Αγγλικών στη Σουηδική ανώτερη δευτεροβάθμια εκπαίδευση (Αγγλικά 6 / Β). Εξαίρεση από τη σουηδική γλώσσα 3.

Ειδική επιλογή

Η επιλογή θα βασίζεται σε:

Ακαδημαϊκά προσόντα και Επιστολή Πρόθεσης

Κάθε αιτών θα πρέπει, επομένως, να επισυνάψει μια επιστολή προθέσεων γραμμένη στα Αγγλικά, εξηγώντας γιατί ο αιτών θέλει να σπουδάσει στο πρόγραμμα, πώς το ακαδημαϊκό υπόβαθρο του αιτούντος σχετίζεται με το περιεχόμενο του προγράμματος και πώς το ακαδημαϊκό υπόβαθρο του αιτούντος ταιριάζει με το συγκεκριμένο απαιτήσεις προγράμματος. Εάν υπάρχουν μαθήματα στα αντίγραφα του αιτούντος που ταιριάζουν με τα μαθήματα που αναφέρονται στις ειδικές απαιτήσεις, συνιστάται στον αιτούντα να ονομάσει αυτά τα μαθήματα στην επιστολή προθέσεων. Συνιστάται επίσης ο αιτών να περιλαμβάνει περιγραφή της σχετικής εμπειρίας στην επιστολή προθέσεων (επαγγελματική εμπειρία, συμμετοχή στο έργο κ.λπ. που σχετίζεται με τις ειδικές απαιτήσεις του προγράμματος ή με το περιεχόμενο του προγράμματος). Υποβάλετε την Επιστολή προθέσεων μαζί με άλλα έγγραφα στις Εισαγωγές στο Πανεπιστήμιο.

Εξάμηνο 1 (Φθινόπωρο 2024)

• 732A60 --- Προχωρημένες Ακαδημαϊκές Σπουδές --- 3
• 732A93 --- Στατιστικές Μέθοδοι --- 6
• 732A94 --- Προηγμένος προγραμματισμός στο R --- 6
• 732A98 --- Οπτικοποίηση --- 6
• 732A90 --- Υπολογιστικές στατιστικές --- 6
• 732A99 --- Μηχανική μάθηση --- 9

Εξάμηνο 2 (Άνοιξη 2025)

Προκαταρκτικά μαθήματα

• 732A54 --- Αναλύσεις μεγάλων δεδομένων --- 6
• 732A55 --- Νευρωνικά δίκτυα και σύστημα εκμάθησης --- 6
• 732A56 --- Προγραμματισμός Ιστού --- 6
• 732A70 --- Εισαγωγή στην Python --- 3
• 732A75 --- Προηγμένη εξόρυξη δεδομένων --- 6
• 732A78 --- Βαθιά Μάθηση --- 3
• 732A91 --- Bayesian Learning --- 6
• 732A97 --- Πολυμεταβλητές στατιστικές μέθοδοι --- 6
• 753A01 --- Sports Analytics --- 6

Εξάμηνο 3 (Φθινόπωρο 2025)

Προκαταρκτικά μαθήματα

• 732A51 --- Βιοπληροφορική --- 6
• 732A57 --- Τεχνολογία βάσεων δεδομένων --- 6
• 732A63 --- Θεωρία Πιθανοτήτων --- 6
• 732A66 --- Θεωρία Αποφάσεων --- 6
• 732A76 --- Ερευνητικό έργο --- 6
• 732A80 --- Εκμάθηση χρονοσειρών και ακολουθίας --- 6
• 732A92 --- Εξόρυξη κειμένου --- 6
• 732A96 --- Προηγμένη μηχανική εκμάθηση --- 6
• 732A98 --- Οπτικοποίηση --- 6

Εξάμηνο 4 (Άνοιξη 2026)

Προκαταρκτικά μαθήματα

• 732A64 --- Μεταπτυχιακή Διατριβή στη Στατιστική --- 30

Ευκαιρίες καριέρας

Ένας ειδικός σε μεγάλη ζήτηση

Η ζήτηση αυξάνεται ραγδαία για ειδικούς ικανούς να αναλύουν μεγάλα και πολύπλοκα συστήματα και βάσεις δεδομένων με τη βοήθεια σύγχρονων μεθόδων έντασης υπολογιστών. Οι επιχειρήσεις, οι τηλεπικοινωνίες, η πληροφορική και η ιατρική είναι μερικά μόνο παραδείγματα τομέων όπου οι φοιτητές μας έχουν μεγάλη ζήτηση και βρίσκουν προηγμένες αναλυτικές θέσεις μετά την αποφοίτησή τους.

Οι φοιτητές που στοχεύουν σε μια επιστημονική καριέρα θα βρουν το πρόγραμμα το ιδανικό υπόβαθρο για μελλοντική έρευνα. Πολλοί από τους διδάσκοντες του προγράμματος είναι διεθνώς αναγνωρισμένοι ερευνητές στους τομείς της στατιστικής, της εξόρυξης δεδομένων, της μηχανικής μάθησης, της μεθοδολογίας βάσεων δεδομένων και της υπολογιστικής στατιστικής.