深度学习与计算机视觉硕士 European School of Data Science and Technology - ESDST

作为深度学习的结果，机器学习方法的多种用途已经实现，并控制着我们日常生活的多个方面。随着深度学习的出现，计算机视觉领域正在以惊人的速度发展。许多应用之一包括——自动驾驶汽车，其中包括面部识别和索引、照片风格化和机器视觉。

在图像处理、物体识别和面部识别等困难的计算机视觉任务中，深度学习方法产生了最先进的结果。

深度学习和计算机视觉理学硕士旨在通过采用简单的深度学习模型并逐渐发展到更复杂的模型，让学习者了解深度学习及其在计算机视觉中的应用。

本课程将让学生深入了解图像描述和注释、对象识别和图像搜索、多对象检测方法、运动估计、相机对象监控、人体运动识别，最后是图像风格化、编辑和新图像创建的概念。学生将从事涉及开发面部识别系统和操作的项目。

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、神经网络、机器学习、大数据、计算机视觉

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 深度学习和计算机视觉在线理学硕士课程包括 12 门课程。该课程通过强制性的顶点行业相关项目提供多个项目/任务的详尽实践经验。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，共 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 ECTS 才能获得深度学习和计算机视觉理学硕士学位。

第一学期 - 基础 - 深度学习和计算机视觉

• MBA-106 商业统计 - 6
• MSDL-101 深度学习和计算机视觉基础 - 6
• MSDL-102 深度学习和计算机视觉的数学 - 6
• MSDL-103 使用 Python 进行深度学习和计算机视觉编程 - 6

第二学期- 深度学习和计算机视觉工具包和分析

• MSDL-104 深度学习算法 - 6
• MSDL-105 数据仓库和管理 - 6
• MSDL-106 大数据和 NoSQL - 6
• MSDL-107 计算机视觉理论和概念 - 6

第三学期- 深度学习和计算机视觉应用和可视化

• MBA-112 使用 Tableau 进行数据可视化和讲故事 - 6
• MSDL-108 自然语言处理 - 6
• MSDL-109 卷积和递归神经网络 - 6
• MSDL-110 工业计算机视觉应用 - 6

第四学期——体验式学习

• CP-101 Capstone 咨询项目（硕士论文） - 12

总学分：90

ESDST 深度学习和计算机视觉硕士课程将为我们的学习者提供必要的理论、专业知识和经验，以帮助他们在职业生涯中取得进步。通过将深度学习概念映射到具体的业务问题，这将使他们能够洞察现实世界问题的复杂性和合适的解决方案。

本课程深入研究基于神经网络的计算机视觉深度学习的细节。在本课程中，学生将学习如何创建、训练和调试自己的神经网络，并深入了解计算机视觉的概念。

ESDS 的每个学生都得到了行业特定导师的帮助。导师负责指导学生完成课程，并通过现实生活中的例子为他们提供体验式和核心学习。

主要结果：

• 了解当前计算机视觉的基本理论和最先进的应用。
• 培养一定程度的理解，以识别、制定和解决图像和计算机视觉问题
• 计算机视觉算法和系统构建与集成的批判性分析
• 通过团队小组分析和项目研究设计自己的实用计算机视觉系统。
• 能够识别和理解基本的计算机视觉方法，例如多尺度表示、边缘检测和其他原始检测、立体、手势和形状识别等

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