人工智能和机器学习硕士 European School of Data Science and Technology - ESDST

机器学习已经成为一门强调开发可以访问数据并自行学习的高级数据驱动计算机程序的学科。这旨在消除对最繁琐任务的人工干预。

人工智能 (AI) 和机器学习 (ML) 与之相似。无论是哪个行业，ML 和 AI 都已经彻底改变了格局，并发明了查看数据的新方法。所有这些都得到标准统计和数学原理的支持。

AL 和 ML 的科学硕士课程结合了这两个学科的细微差别，为学生提供在工具和理论方面理解数据世界所需的确切信息。机器学习使学生的业务决策和分析成为可能。

该课程侧重于发展统计思维，为他们未来的学习课程奠定各种专业课程的基础。它涉及对广泛用于数据分析的统计概念和工具的介绍，并有助于有效决策。

学生将发现有关人工智能和机器学习算法的使用和应用的概念并获得专业知识。他们将有大量的机会深入了解先进的概念。通过动手项目，学生将获得有关搜索算法、聚类、分类、优化、强化学习和其他主题背后的概念的经验，并将所学内容融入 R 程序中。

强调：

• 精心设计的课程适合行业需求，高度注重实际应用
• 在线授课，方便您按照自己的节奏学习
• 拥有丰富行业和学术经验的一流导师，提供1对1指导
• 所有提供的课程中来自各个行业的监督项目
• 综合课件和学习资料
• 每学期额外课程的 360 度覆盖，让候选人做好工作准备
• 广泛使用广泛使用的分析工具和技术
• 应用理论概念解决业务问题
• 专家级国际讲师
• 不断接触行业的最新发展

该计划包含多种工具和概念，其中一些是：

数据科学和统计概念、R 编程、SQL、NoSQL、人工智能、机器学习、大数据、自然语言处理、云计算。

ESDST 提供对先前经验的认可 (RPE)，因此进入该课程不需要正式的学士学位。

• 大约课程长度: 3-4 周
• 总学分：90
• 最大转学分数：30

ESDST 人工智能和机器学习在线理学硕士课程包括 12 门课程，涵盖人工智能和机器学习的各个主题。该课程通过强制性的与行业相关的顶峰项目提供了多个项目/任务的丰富实践经验。在这里，每个学生都需要解决一个独特的、现实世界的商业问题。每门课程的持续时间约为 3 周，包含 5 到 6 个 ECTS 学分。学生必须完成所有这些课程和顶点项目才能获得总共 90 个 ECTS 才能获得人工智能和机器学习理学硕士学位。

第一学期 - 基础 - 人工智能和机器学习

• MBA-106 商业统计 - 6
• MSAI-102 机器学习数学 - 6
• MSAI-103 使用 Python 进行 ML 和 AI 编程 - 6
• MBA-109 人工智能和机器学习 - 6

第二学期 - 人工智能和机器学习工具包和分析

• MSAI-104 使用 Python-I 的机器学习方法 - 6
• MBA-111 数据仓库和管理 - 6
• MBA-110 大数据和 NoSQL - 6
• MBA-112 使用 Tableau 进行数据可视化和讲故事 - 6

第三学期 - 人工智能和机器学习应用与可视化

• MSAI-105 使用 Python 的机器学习方法 - II - 6
• MSAI-106 人工智能和机器人技术 - 6
• MSAI-107 机器人和 RPA - 6
• MSAI-108 现实世界和商业中的 AI 和 ML - 6

第四学期——体验式学习

• CP-101 Capstone 咨询项目（硕士论文） - 18

总学分：90

ESDST 人工智能和机器学习理学硕士课程将对我们的毕业生进行基本概念、技能和知识的培训，以支持他们的职业发展。该课程强调理论概念在实际问题中的应用，将为学生提供一个机会，让他们了解现实世界问题的复杂性和解决方案。充足的商业项目、高级工具的指导培训和行业导师的讲座将使学生深入了解全球人工智能和机器学习的力量。

ESDS 的每个学生都与一位行业导师相匹配，最好是与学生正在工作或有志进入的行业相同的行业。导师负责指导学生完成课程，并向他们展示现实生活中的体验式学习以及课程中进行的核心学习。

主要结果：

1. 通过应用每个概念和 MI 算法，获得对 Al 概念和 MI 算法的理解
2. 通过接受需要解决问题、推理和感知的任务来培养批判性思维
3. 了解业务问题并通过学到的原则编织解决问题的方法
4. 找出一种明智地研究和扫描数据的方法，以应用 ML 算法来揭示见解
5. 精通数据科学行业流行的工具/技术的使用

成功完成该计划后，职业角色将由学生的专业知识水平和先前的经验指导。对于在职专业人士来说，机会范围从从当前角色的职业转变/转型到以数据分析为中心的角色。

对于应届毕业生而言，在理学硕士课程期间发展的知识和技能将使他们能够申请以他们的技能和兴趣为中心的合适职位。学生可以定位以下任何角色：

• 数据科学家/数据经理
• 人工智能专家/人工智能分析师
• 机器学习专家/机器学习经理