Brzi rast istraživanja i primene veštačke inteligencije (AI) nudi neviđene mogućnosti. Ovaj kurs je namenjen studentima koji žele da steknu odlično osnovno obrazovanje koje pokriva širok spektar koncepata i primena AI zasnovane na podacima i učenja iz primera.
Program nudi uvodne kurseve u statističkom učenju, dubokom učenju i učenju pojačanjem, optimizaciji, obradi signala, teoriji informacija i teoriji igara. Brojne opcije omogućavaju usavršavanje u teoriji učenja i specijalizaciju u mnogim oblastima kao što su veliki podaci, obrada slika i jezika.
Ova druga godina nudi prošireni izbor opcija, pokrivajući etičke aspekte i druge teme kao što je pokretanje kompanije.
Ovaj kurs zahteva dobro poznavanje matematike i računarstva: - Verovatnoća i statistika - Linearna algebra - Diferencijalni i integralni račun - Naučno programiranje - Vizualizacija podataka. Prijavljeni studenti takođe treba da su uspešno završili M1 iz veštačke inteligencije (ili ekvivalent): - Poznavanje osnova primenjene statistike i optimizacije - Znanje o manipulaciji velikim podacima - Znanje o diferencijaciji i primeni tehnika nadgledanog, nenadgledanog i učenja pojačanjem - Znanje o programiranju prediktivnih modela u Pythonu i ovladavanje sci-kit-learn - Znanje o vizualizaciji podataka i ilustrovanju rezultata pomoću programskih alata - Znanje o pisanju predloga projekta i komunikaciji rezultata usmeno i pismeno.
Veštine:
Matematički formulirati algoritme gradijentnog spuštanja za duboke neuronske mreže, grafičke modele ili druge modele statističkog učenja.
Programirati modele dubokog učenja i grafičke modele koristeći Python i steći veštine u Kerasu, TensorFlow-u i Pytorch-u.
Razumeti osnove statističkog učenja na teorijskom nivou, fokusirajući se na preučenje i regularizaciju.
Analizirati podatke različitih tipova (slika, tekst, govor) iz sirovog signala.
Čitati, sumirati, komentarisati i reprodukovati naučne članke.
Izgledi za karijeru:
Ovaj kurs priprema za istraživačke i R&D profesije u novim oblastima primene u punom zamahu: računarstvo vida (autonomna vozila i biometrija); prepoznavanje glasa (neophodno za nove ljudsko-mašinske interfejse za pametne telefone); filtriranje i agregacija heterogenog i tekstualnog sadržaja (neophodno za komercijalna rešenja za upravljanje značajnim tokovima podataka); upravljanje i nadgledanje složenih ili kritičnih industrijskih sistema koji se oslanjaju na analizu podataka.