Master of Science στην Τεχνητή Νοημοσύνη και Business Analytics

Με την ταχεία ανάπτυξη της τεχνητής νοημοσύνης (AI) και των μεγάλων τεχνικών δεδομένων τα τελευταία χρόνια, υπήρξε ένας τεράστιος αριθμός καινοτόμων εφαρμογών σε διάφορους τομείς. Η τεχνητή νοημοσύνη και η ανάλυση επιχειρήσεων είναι ένας διεπιστημονικός υποτομέας που ενσωματώνει γνώσεις και δεξιότητες τόσο από κριτική όσο και από εξωπραγματική σκέψη για την επεξεργασία συνόλων επιχειρήσεων με τη χρήση τεχνικών τεχνητής νοημοσύνης.

Το Master of Science in Artificial Intelligence and Business Analytics (MScAIBA) δίνει έμφαση σε μια ισορροπημένη κάλυψη θεμάτων σε τεχνητή νοημοσύνη και επιχειρηματική ανάλυση, καθώς και επικεντρώνεται στην ανάλυση επιχειρηματικών δεδομένων χρησιμοποιώντας τεχνικές AI για την επίλυση πρακτικών επιχειρηματικών προβλημάτων.

Σκοπός

Το πρόγραμμα έχει σχεδιαστεί για να εκπαιδεύει τους μαθητές σχετικά με τις θεμελιώδεις αρχές και τις πρακτικές εφαρμογές της Τεχνητής Νοημοσύνης και των τεχνικών ανάλυσης επιχειρήσεων, ειδικά στον τομέα των επιχειρήσεων, έτσι ώστε να μπορούν να εφαρμόζουν αποτελεσματικά εργαλεία και τεχνικές τεχνητής νοημοσύνης κατά την επίλυση προβλημάτων, καθώς και να αναλύουν επιχειρηματικά προβλήματα χρησιμοποιώντας δεξιότητες ανάλυσης δεδομένων και τεχνικές τεχνητής νοημοσύνης κατά τη λήψη αποφάσεων.

Βασικά μαθήματα (έξι μαθήματα)

1. CDS504: Business Data Analytics
2. CDS521: Ίδρυμα Τεχνητής Νοημοσύνης
3. CDS522: Διαχείριση επιχειρηματικών δεδομένων
4. CDS523: Αρχή Αναλύσεων Δεδομένων και Προγραμματισμού
5. CDS524: Μηχανική Μάθηση για Επιχειρήσεις
6. CDS525: Πρακτική εφαρμογή της βαθιάς μάθησης

Μαθήματα επιλογής* (οποιαδήποτε τέσσερα)

1. CDS505: Mobile Technology and Applications in eBusiness
2. CDS510: Social Media για eBusiness
3. CDS511: Διαχείριση έργου με λογισμικό
4. CDS515: Λήψη επιχειρηματικών αποφάσεων με λογισμικό
5. CDS526: Βελτιστοποίηση βασισμένη σε τεχνητή νοημοσύνη
6. CDS527: Big Data Analytics
7. CDS528: Blockchain
8. CDS529: Project for Artificial Intelligence and Business Analytics
9. CDS530: Healthcare Analytics
10. CDS531: Marketing Analytics και ευφυΐα
11. SCI501: Ευφυΐα τοποθεσίας

* Η προσφορά μαθημάτων επιλογής υπόκειται σε επαρκή ζήτηση και διαθεσιμότητα καθηγητών.

Μάθημα προετοιμασίας

Οι υποψήφιοι χωρίς ή περιορισμένο υπόβαθρο στην επιστήμη των υπολογιστών ή στα στατιστικά θα πρέπει να ολοκληρώσουν δύο προκαταρκτικά μαθήματα παρακάτω:

1. Εισαγωγή στη Πληροφορική
2. Στατιστική

Ειδικά χαρακτηριστικά

• Παρέχει στους φοιτητές γνώσεις που εκτείνονται στους βασικούς κλάδους της Τεχνητής Νοημοσύνης (AI) και των επιχειρηματικών αναλύσεων και ενσωματώνει διάφορους κλάδους για να επιτρέψει στους μαθητές να κατανοήσουν καλύτερα όλες τις πτυχές της τεχνητής νοημοσύνης και των επιχειρηματικών αναλυτικών στοιχείων και πώς χρησιμοποιούνται στον πραγματικό κόσμο.
• Λαμβάνει υπόψη πιο πρακτικές επιχειρηματικές εφαρμογές και τεχνολογίες αιχμής συνδυάζοντας την τεχνητή νοημοσύνη και τις επιχειρηματικές αναλύσεις με το blockchain, το μάρκετινγκ, την υγειονομική περίθαλψη, τα γεωγραφικά συστήματα πληροφοριών και τη βελτιστοποίηση. Ενισχύοντας έτσι την ανταγωνιστικότητα των αποφοίτων στην αγορά εργασίας.
• Εξυπηρετεί ένα ευρύ φάσμα επαγγελματιών, υπευθύνων χάραξης αποφάσεων και πολιτικής που πρέπει να επεξεργάζονται και να αναλύουν μεγάλα δεδομένα. Είναι επίσης ιδανικό για επαγγελματίες του τομέα της υγειονομικής περίθαλψης και των υπηρεσιών κοινής ωφελείας που κατανοούν τη σημασία της τεχνητής νοημοσύνης και των επιχειρηματικών αναλυτικών στοιχείων για τη βελτίωση της ποιότητας της κοινωνίας και της αποτελεσματικότητας των λειτουργιών.
• Αναπτύσσει την αναλυτική και κριτική σκέψη των μαθητών, καθώς και τις δεξιότητές τους στην επίλυση προβλημάτων, που επιτρέπει στους αποφοίτους να ακολουθήσουν καριέρα ως επιχειρησιακοί αναλυτές, αναλυτές δεδομένων, επιστήμονες δεδομένων και σύμβουλοι/ειδικοί τεχνητής νοημοσύνης σε διάφορους κλάδους.

Για να αποφοιτήσουν, οι φοιτητές πρέπει να ολοκληρώσουν έξι βασικά μαθήματα και τέσσερα μαθήματα επιλογής για συνολικά 30 μονάδες. Τα βασικά μαθήματα επιτρέπουν στους μαθητές να δημιουργήσουν μια ισχυρή βάση στην τεχνητή νοημοσύνη και στην ανάλυση επιχειρήσεων. Προσφέρεται μια διαφοροποιημένη επιλογή μαθημάτων επιλογής για να καλύψει τα ενδιαφέροντα, τις ικανότητες και τα σχέδια σταδιοδρομίας των μαθητών, ενώ οι μαθητές μπορούν να μάθουν πιο προηγμένες και/ή πρακτικές γνώσεις σε διάφορους τομείς.