Master of Science στην Τεχνητή Νοημοσύνη και τη Μηχανική Μάθηση
Fairfax University of America
Πληροφορία κλειδί
Τοποθεσία πανεπιστημιούπολης
Fairfax, Ηνωμένες Πολιτείες
Γλώσσες
Αγγλικά
Μορφή μελέτης
Στην Πανεπιστημιούπολη
Διάρκεια
2 χρόνια
Βήμα
Πλήρης απασχόληση, Μερικής απασχόλησης
Δίδακτρα
USD 6.534 / per semester *
Προθεσμία εφαρμογής
Ζητήστε πληροφορίες
Πρωιμότερη ημερομηνία έναρξης
Ζητήστε πληροφορίες
* δίδακτρα για 9 ώρες πίστωσης ανά εξάμηνο. Ισχύουν πρόσθετες χρεώσεις
Υποτροφίες
Εξερευνήστε ευκαιρίες για υποτροφίες για να βοηθήσετε στη χρηματοδότηση των σπουδών σας
Εισαγωγή
Προς υποστήριξη της αποστολής του πανεπιστημίου, το Master of Science στην Τεχνητή Νοημοσύνη και τη Μηχανική Μάθηση (MSAIML) έχει σχεδιαστεί για να απευθύνεται σε ένα ευρύ φάσμα ατόμων. Το πρόγραμμα εξισορροπεί τη θεωρία με την πρακτική προσφέρει ένα εκτεταμένο σύνολο παραδοσιακών και υπερσύγχρονων μαθημάτων και παρέχει την απαραίτητη ευελιξία για να φιλοξενήσει φοιτητές με διάφορα υπόβαθρα, συμπεριλαμβανομένων των επαγγελματιών υπολογιστών που θέλουν να διευρύνουν την κατανόησή τους για την AI & ML, καθώς και άτομα των οποίων οι προπτυχιακοί τίτλοι δεν είναι στην Επιστήμη των Υπολογιστών αλλά επιθυμούν να διευρύνουν τις γνώσεις τους στην τεχνητή νοημοσύνη και ML.
Σχετικά μικροδιαπιστευτήρια
- Μηχανικός Τεχνητής Νοημοσύνης/Μηχανικής Μάθησης: (ALMLE)
- Ειδικός AI (AISP)
- AWS Machine Learning Engineer (AWSMLE)
- Robotic Process Automation Programmer (RPAP)
Αποτέλεσμα προγράμματος
- Εφαρμόστε αλγόριθμους AI και ML για εξαγωγή συμπερασμάτων, σχεδίαση έξυπνων εφαρμογών για την επίλυση προβλημάτων του πραγματικού κόσμου και αυτοματοποίηση της ανάπτυξης συστημάτων και στοιχείων τεχνητής νοημοσύνης.
- Μοντελοποίηση ανθρώπινων συμπεριφορών για την ανάπτυξη συστημάτων Human-AI και αξιολόγηση της απόδοσής τους.
- Βελτιώστε τη συνολική απόδοση του ολοκληρωμένου συστήματος για να επηρεάσετε την ανθρώπινη απόδοση και μάθηση.
- Εφαρμόστε κοινωνικές, ηθικές και νομικές αρχές των τεχνολογιών και των εφαρμογών τους στον τομέα της τεχνητής νοημοσύνης και του ML.
- Επικοινωνήστε αποτελεσματικά ατομικά ή σε διαλειτουργικές ομάδες.
Ευκαιρίες καριέρας
- Ειδικός AI
- Εφαρμοσμένη Τεχνητή Νοημοσύνη και Μηχανική Μάθηση-Επιστήμονας
- AWS Machine Learning Engineer
- Robotic Process Automation Programmer
- Μηχανικός Τεχνητής Νοημοσύνης
- Προγραμματιστής Ρομποτικής
- Μηχανικός Μηχανικής Εκμάθησης
- Εκπαιδευτής σε κολέγιο ή πανεπιστήμιο διδάσκοντας AI και ML εκτός από μαθήματα Πληροφορικής
Διδακτέα ύλη
Το Master of Science στο AI και ML απαιτεί τη συμπλήρωση 36 πιστωτικών μονάδων. Οι μαθητές θα λάβουν 12 μονάδες βασικών μαθημάτων, 6 μονάδες για αίτηση σταδιοδρομίας και 18 μονάδες σε τομείς περιεχομένου AI και ML.
Προϋποθέσεις προγράμματος
Όλοι οι νέοι μαθητές προγραμμάτων AI και ML χρειάζονται ορισμένες βασικές δεξιότητες για να τους προετοιμάσουν για επιτυχία στο Πρόγραμμα AI και ML. Τα πτυχία AI και ML παρέχουν μια ευρεία κατανόηση της θεωρίας και της τεχνολογίας αυτού του τομέα. Οι μαθητές που δεν έχουν το απαιτούμενο υπόβαθρο πρέπει να λάβουν μερικά ή όλα τα προαπαιτούμενα πριν παρακολουθήσουν τα βασικά μαθήματα. Έτσι, για να είναι επιτυχημένοι, οι μαθητές πρέπει να έχουν ένα υπόβαθρο στα ακόλουθα μαθήματα.
- COMP 109 Αλγόριθμος Υπολογιστών και Λογική Προγραμματισμού με χρήση Python
- COMP 260 Εισαγωγή στα λειτουργικά συστήματα
- COMP 270 Essentials of Networking
- COMP 329 Δομές Δεδομένων και Ανάλυση Αλγορίθμων
- Έννοιες βάσης δεδομένων COMP 350
Βασικά Μαθήματα (4 Μαθήματα – 12 Μονάδες)
Αυτά τα μαθήματα παρέχουν ένα εύρος θεμελιωδών γνώσεων για την εφαρμογή διεπαφών υπολογιστών, σχεδιασμό λογισμικού, επικοινωνία μεταξύ συστημάτων και τρόπο διαχείρισης συστημάτων πληροφορικής. Όλα αυτά είναι κρίσιμα στοιχεία για τους επαγγελματίες πληροφορικής ώστε να εφαρμόσουν αυτά τα δομικά στοιχεία σε οποιοδήποτε δεδομένο σύστημα ή έργο.
- COMP 501 Προηγμένα λειτουργικά συστήματα
- COMP 502 Σχεδιασμός και Ανάλυση Αλγορίθμων
- COMP 503 Δικτύωση και Τηλεπικοινωνίες
- COMP 504 Συστήματα Διαχείρισης Βάσεων Δεδομένων
Μαθήματα Εφαρμογής (2 Μαθήματα – 6 Μονάδες)
Αυτά τα μαθήματα προσφέρουν μια ευκαιρία στους φοιτητές να εφαρμόσουν όσα έμαθαν σε όλο το πρόγραμμα σε ένα πρακτικό έργο ή σε μια διατριβή μεταπτυχιακού. Ενώ το πρακτικό έργο προβλέπει την εφαρμογή της γνώσης που αποκτήθηκε σε όλο το πρόγραμμα και θα αντιπροσώπευε εργασία που θα μπορούσε να αποδείξει την ετοιμότητα σταδιοδρομίας σε πιθανούς εργοδότες, η διατριβή θα χρησιμεύσει γενικά για την επίδειξη του ερευνητικού δυναμικού ενός φοιτητή και θα μπορούσε να χρησιμοποιηθεί για την απόδειξη ετοιμότητας για διδακτορική εργασία. Ανεξάρτητα από την επιλογή, οι μαθητές θα επιδείξουν βασικές ερευνητικές γνώσεις και ικανότητες, οι οποίες θα χρησιμοποιηθούν για την ολοκλήρωση είτε του έργου είτε της διατριβής.
- COMP 505 Μέθοδοι Έρευνας
- Διάλεξε ένα:
- COMP 681 AI και ML Capstone Project
- COMP 698 Μεταπτυχιακή Διατριβή
Μαθήματα εξειδίκευσης (οποιαδήποτε 6 μαθήματα – 18 πιστωτικές μονάδες)
Αυτά τα προχωρημένα μαθήματα καλύπτουν το βάθος των θεμάτων που σχετίζονται με την τεχνητή νοημοσύνη και την ML και επιτρέπουν στους μαθητές να αναπτύξουν τις γνώσεις τους με βάση τις επιδιωκόμενες επαγγελματικές τους τροχιές.
- COMP 513 Σχεδιασμός και Προγραμματισμός Ρομποτικής
- COMP 514 Νευρωνικά Δίκτυα
- COMP 515 Αναγνώριση προτύπων
- COMP 516 Deep Learning
- COMP 517 Ειδικά Θέματα στο AI
- COMP 518 Ειδικά Θέματα σε ML
- COMP 521 Σχεδίαση και εφαρμογές έξυπνων συσκευών
- COMP 522 Εξόρυξη Δεδομένων
- COMP 593 Πρακτική Άσκηση Ι στην τεχνητή νοημοσύνη και τη μηχανική μάθηση
- COMP 610 Cognitive Computing
- COMP 611 Αποθήκευση δεδομένων
- COMP 613 Σχεδιασμός παιχνιδιών
- COMP 614 Αναγνώριση ομιλίας
- COMP 617 AWS Certified Machine Learning
- COMP 618 10 Google Machine Learning
- COMP 693 Πρακτική Άσκηση II στην τεχνητή νοημοσύνη και τη μηχανική μάθηση
Σημείωση: Οι σπουδαστές που επιθυμούν να παρακολουθήσουν ένα μάθημα που προσφέρεται από άλλο πρόγραμμα μπορούν να ζητήσουν να το κάνουν στον σύμβουλό τους παρέχοντας αιτιολόγηση για τη συνάφεια της προσθήκης ως μέρος της επαγγελματικής τους πορείας, του σχεδίου συμβουλευτικής που επιδιώκουν ή/και του προσωπικού τους ενδιαφέροντος. Το πολύ 2 μαθήματα μπορούν να εφαρμοστούν σε άλλο πρόγραμμα.
Εισαγωγές
Δίδακτρα προγράμματος
Υποτροφίες και Χρηματοδότηση
Σχετικά με το Σχολείο
Ερωτήσεις
Παρόμοια Μαθήματα
Master of Science στη Λογισμικού και Μηχανικών Δεδομένων (MSDE)
- Lugano, Ελβετία
Μεταπτυχιακό στη Επιστήμη των Υπολογιστών (MSc) - Data Science & Analytics
- Paris, Γαλλία
MS στην Επιστήμη των Υπολογιστών
- Chicago, Ηνωμένες Πολιτείες