La rapida crescita della ricerca e delle applicazioni dell'Intelligenza Artificiale (IA) offre opportunità senza precedenti. Questo corso è destinato a studenti che desiderano ricevere un'eccellente formazione primaria che copra un ampio spettro di concetti e applicazioni dell'IA basata sui dati e dell'apprendimento da esempi.
Il programma offre corsi introduttivi in apprendimento statistico, apprendimento profondo e apprendimento per rinforzo, ottimizzazione, elaborazione dei segnali, teoria dell'informazione e teoria dei giochi. Numerose opzioni rendono possibile perfezionarsi nella teoria dell'apprendimento e specializzarsi in molti campi come big data, elaborazione di immagini e linguaggio.
Questo secondo anno offre una scelta ampliata di opzioni, coprendo aspetti etici e altri argomenti come l'avvio di un'azienda.
Questo corso richiede una buona preparazione in matematica e informatica: - Probabilità e statistica - Algebra lineare - Calcolo differenziale e integrale - Programmazione scientifica - Visualizzazione dei dati I candidati devono anche aver completato con successo l'M1 di Intelligenza Artificiale (o equivalente): - Conoscere le basi della statistica applicata e dell'ottimizzazione - Sapere come manipolare big data - Sapere come differenziare e applicare tecniche di apprendimento supervisionato, non supervisionato e per rinforzo - Sapere come programmare modelli predittivi con Python e padroneggiare sci-kit-learn - Sapere come visualizzare i dati e illustrare i risultati con strumenti di programmazione - Sapere come scrivere una proposta di progetto e comunicare i risultati per iscritto e oralmente.
Competenze:
Formulare matematicamente algoritmi di discesa del gradiente per reti neurali profonde, modelli grafici o altri modelli di apprendimento statistico.
Programmare modelli di apprendimento profondo e modelli grafici utilizzando Python e acquisire competenza in Keras, TensorFlow e Pytorch.
Comprendere le basi dell'apprendimento statistico a livello teorico, concentrandosi su over-learning e regolarizzazione.
Analizzare dati di vari tipi (immagine, testo, voce) a partire dal segnale grezzo.
Leggere, riassumere, commentare e riprodurre articoli scientifici.
Prospettive di carriera:
Questo corso prepara a professioni di ricerca e R&D in nuovi campi di applicazione in pieno sviluppo: visione artificiale (veicoli autonomi e biometria); riconoscimento vocale (necessario per nuove interfacce uomo-macchina per smartphone); filtraggio e aggregazione di contenuti eterogenei e testuali (essenziale per soluzioni commerciali per la gestione di flussi di dati significativi); gestione e monitoraggio di sistemi industriali complessi o critici che si basano sull'analisi dei dati.