Làm chủ 2 TRÍ TUỆ NHÂN TẠO
National School Of Computer Science For Industry And Business - ENSIIE
Thông tin mấu chốt
Địa điểm cơ sở
Courcouronnes, Pháp
Ngôn ngữ
Tiếng Anh
Hình thức học tập
Trong khuôn viên trường
Khoảng thời gian
Yêu cầu thông tin
Nhịp độ
Toàn thời gian
Học phí
Yêu cầu thông tin
Hạn nộp hồ sơ
Yêu cầu thông tin
ngày bắt đầu sớm nhất
Sep 2023
học bổng
Khám phá các cơ hội học bổng để giúp tài trợ cho việc học của bạn
Giới thiệu
Sự phát triển nhanh chóng của các nghiên cứu và ứng dụng Trí tuệ nhân tạo (AI) mang đến những cơ hội chưa từng có. Khóa học này dành cho những học sinh muốn nhận được một nền giáo dục tiểu học xuất sắc bao gồm nhiều khái niệm và ứng dụng của AI theo hướng dữ liệu và học hỏi từ các ví dụ.
Chương trình cung cấp các khóa học nhập môn về học thống kê, học sâu và học củng cố, tối ưu hóa, xử lý tín hiệu, lý thuyết thông tin và lý thuyết trò chơi. Nhiều lựa chọn giúp bạn có thể hoàn thiện bản thân trong việc học lý thuyết và chuyên sâu trong nhiều lĩnh vực như dữ liệu lớn, xử lý hình ảnh và ngôn ngữ.
Năm thứ hai này cung cấp nhiều lựa chọn mở rộng, bao gồm các khía cạnh đạo đức và các chủ đề khác như thành lập công ty.
Khóa học này yêu cầu nền tảng tốt về toán học và khoa học máy tính: - Xác suất và thống kê - Đại số tuyến tính - Phép tính vi phân và tích phân - Lập trình khoa học - Trực quan hóa dữ liệu Ứng viên cũng phải hoàn thành thành công bài thi M1 về Trí tuệ nhân tạo (hoặc tương đương): - Biết những kiến thức cơ bản về thống kê ứng dụng và tối ưu hóa - Biết cách sử dụng dữ liệu lớn - Biết cách phân biệt và áp dụng các kỹ thuật học có giám sát, không giám sát và tăng cường - Biết cách lập trình các mô hình dự đoán với Python và thành thạo khoa học kỹ thuật - Biết cách lập trình trực quan hóa dữ liệu và minh họa kết quả bằng các công cụ lập trình - Biết cách viết đề xuất dự án và truyền đạt kết quả bằng văn bản và bằng miệng.
Kỹ năng:
Công thức toán học các thuật toán giảm độ dốc cho mạng nơron sâu, mô hình đồ họa hoặc các mô hình học thống kê khác.
Lập trình các mô hình học sâu và mô hình đồ họa bằng Python và đạt được sự thành thạo về Keras, TensorFlow và Pytorch.
Hiểu cơ sở của việc học thống kê ở cấp độ lý thuyết, tập trung vào việc học quá mức và chính quy hóa.
Phân tích dữ liệu của nhiều loại khác nhau (hình ảnh, văn bản, giọng nói) từ tín hiệu thô.
Đọc, tóm tắt, bình luận và tái sản xuất các bài báo khoa học.
Triển vọng nghề nghiệp:
Khóa học này chuẩn bị để nghiên cứu và các nghề R & D trong các lĩnh vực ứng dụng mới đang được triển khai: thị giác máy tính (xe tự hành và sinh trắc học); nhận dạng giọng nói (cần thiết cho giao diện người-máy mới cho điện thoại thông minh); lọc và tổng hợp các nội dung văn bản và không đồng nhất (cần thiết cho các giải pháp thương mại để quản lý các luồng dữ liệu quan trọng); quản lý và giám sát các hệ thống công nghiệp phức tạp hoặc quan trọng dựa trên phân tích dữ liệu.