استاد در یادگیری ماشین

عمومی

شرح برنامه

Machine Learning الگوریتم هایی را برای یافتن الگوها یا پیش بینی از داده های تجربی ایجاد می کند و این برنامه کارشناسی ارشد به شما می آموزد که این مهارت ها را فرا بگیرید. یادگیری ماشین به طور فزاینده ای توسط بسیاری از حرفه ها و صنایعی مانند تولید ، خرده فروشی ، دارو ، دارایی ، روباتیک ، ارتباطات از راه دور و رسانه های اجتماعی مورد استفاده قرار می گیرد. فارغ التحصیلان این برنامه کارشناسان این رشته خواهند بود که برای مشاغل هیجان انگیز در صنعت یا مطالعات دکتری واجد شرایط هستند.

آموزش ماشین در KTH

در این برنامه با استفاده از مبانی ریاضی و آماری و روشهای یادگیری ماشین با هدف مدل سازی و کشف الگوهای از مشاهدات می آموزید. شما همچنین می توانید تجربه عملی در مورد چگونگی مطابقت ، استفاده و اجرای تکنیک های مربوط به یادگیری ماشین را برای حل مشکلات دنیای واقعی در طیف وسیعی از حوزه های برنامه کسب کنید. پس از فارغ التحصیلی از برنامه ، شما اعتماد به نفس و تجربه خود را برای پیشنهاد راه حل های قابل انعطاف درمورد مشکلات یادگیری بالقوه غیر استاندارد که می توانید بصورت کارآمد و نیرومند بکار بگیرید ، بدست آورده اید. استکهلم دارای یک جامعه نوپا و پرتحرک است و شرکت های بزرگ مستقر که هوش مصنوعی و ماشین سازی را در توسعه فن آوری خود ادغام می کنند. این به شما پتانسیل زیادی برای کارهای صنعتی مرتبط و جالب در این زمینه در طول و بعد از تحصیل می دهد.

برای تهیه مقدمه ای در این زمینه و پایه محکم ، این برنامه با دوره های اجباری در یادگیری ماشین و هوش مصنوعی آغاز می شود. این دوره ها به دنبال یک دوره پیشرفته در یادگیری ماشین و روش تحقیق انجام می شود. از ترم دوم ، دانشجویان دوره هایی را از دو بخش انتخاب می کنند: حوزه های کاربرد در یادگیری ماشین و یادگیری ماشین نظری. این مناطق با صلاحیت های اصلی یک متخصص یادگیری ماشین مطابقت دارد.

اولین گروه بندی دوره ها نحوه استفاده از یادگیری ماشینی را برای حل مشکلات در حوزه های کاربردهای خاص مانند دید رایانه ، بازیابی اطلاعات ، گفتار و پردازش زبان ، زیست شناسی محاسباتی و روباتیک شرح می دهد. گروه بندی دوره دوم به دانشجویان این فرصت را می دهد تا دوره های اساسی تر تئوری را در ریاضیات کاربردی ، آمار و یادگیری ماشین بگذرانند. مورد توجه بسیاری از افراد ، فرصتی برای یادگیری و درک دقیق در مورد زمینه هیجان انگیز یادگیری عمیق از طریق چندین دوره از هنرهای برتر از جمله:

  • DD2424 آموزش عمیق در علوم داده
  • تجزیه و تحلیل تصویر و چشم انداز DD2423
  • DT2119 تشخیص صدا و بلندگو
  • DD2437 شبکه های عصبی مصنوعی و معماری های عمیق
  • DD2425 رباتیک و سیستم های خودمختار

این برنامه همچنین دارای 30 اعتبار ECTS از دوره های انتخابی است که می توانید از طیف گسترده ای از دوره ها برای تخصص بیشتر در زمینه مورد علاقه خود انتخاب کرده یا دانش خود را به حوزه های جدید در یادگیری ماشین گسترش دهید.

آخرین دوره به یک پروژه درجه اختصاص یافته است که شامل شرکت در پروژه های تحقیقاتی یا طراحی پیشرفته در یک محیط دانشگاهی یا صنعتی ، در سوئد یا خارج از کشور است. با استفاده از این پروژه ، دانش آموز با استفاده از مهارت های به دست آمده از دوره های برنامه ، توانایی خود را در انجام کار مستقل از پروژه نشان می دهد. در گذشته دانشجویان این برنامه پروژه هایی را در شرکت هایی مانند Saab ، Elekta ، Flir ، Eriksson ، Tobii ، Spotify ، Thales ، Huawei به پایان رسانده اند.

این یک برنامه دو ساله (120 اعتبار ECTS) است که به زبان انگلیسی ارائه می شود. به فارغ التحصیلان درجه کارشناسی ارشد اعطا می شود. این برنامه عمدتا در پردیس KTH در استکهلم توسط دانشکده مهندسی برق و علوم رایانه (در KTH ) ارائه می شود.

حرفه

تقاضا برای مهندسان و دانشمندان با دانش در Learning Machine با افزایش تعداد داده ها در جهان رو به رشد است. پس از فارغ التحصیلی ، می توانید یک حرفه را در صنعت ، در یک استارتاپ یا در یک شرکت سنتی و با استقرار سنتی دنبال کنید. عناوین احتمالی عبارتند از: توسعه دهنده نرم افزار ، مهندس یادگیری عمیق ، مهندس بینایی کامپیوتر ، تحلیلگر داده ، مهندس نرم افزار ، تحلیلگر کمی ، دانشمند داده و مهندس سیستم در شرکت هایی مانند Dice ، Logitech ، Google و McKinsey در ، به عنوان مثال سوئد ، سوئیس ، آلمان ، چین ، هند و ایالات متحده.

این برنامه کارشناسی ارشد همچنین بستر مناسبی برای کار در بخش تحقیق و توسعه در صنعت و همچنین برای ادامه کار تحقیقاتی و مطالعات دکتری است.

دانش آموزان

دریابید که دانش آموزان برنامه درباره زمان خود در KTH چه فکر می کنند.

آندرس آلونسو تولدو کاررا ، مکزیک: "اگرچه من عادت داشتم در تیم هایی با پروژه ها و تکالیف کار کنم ، اما هرگز در محیطی به اندازه متنوع در KTH کار نکردم ، اهداف مشترک خود را با همکلاسی هایم به اشتراک گذاشتم اما گاهی اوقات با دیدگاه ها و روش های مختلف. "

توسعه پایدار

فارغ التحصیلان KTH از دانش و ابزار لازم برای حرکت جامعه در جهت پایدار برخوردار هستند ، زیرا توسعه پایدار بخشی جدایی ناپذیر از تمام برنامه ها است. سه هدف اصلی توسعه پایدار که توسط برنامه کارشناسی ارشد در یادگیری ماشین یاد می شود عبارتند از:

  • سلامتی و تندرستی
  • شهرها و اجتماعات پایدار
  • صلح ، عدالت و نهادهای قوی

تحولات در آموزش ماشین سازی شروع به نفوذ بسیاری از جنبه های زندگی ما کرده است و پیش بینی می شود تأثیر فزاینده ای بر جامعه داشته باشد ، به عنوان مثال بسیاری از مشاغل یقه آبی و سفید به دلیل افزایش اتوماسیون یا بهبود نتایج بیمار به دلیل شخصی سازی بهتر منسوخ شود. داروها و تشخیص. برخی از این تحولات فقط به نفع جامعه خواهد بود در حالی که برخی دیگر نه. به عنوان فارغ التحصیلان این برنامه ، شما در مورد توانایی های فنی و برنامه های کاربردی بالقوه Machine Learning بسیار آگاه خواهید بود و همچنین در موقعیتی قرار دارید که بتوانید پیشرفت بیشتری در پیشرفت Machine Learning / AI داشته باشید. بنابراین ، به عنوان بخشی از برنامه ، و همچنین در KTH ، ما موضوعات اخلاقی و مسئولیت هایی را که با این مهارت ها و دانش در دوره های اجباری مانند DD2301 و DD2380 به وجود می آید ، برجسته می کنیم. ما این مسئولیت ها را مطابق با اهداف توسعه پایدار سازمان ملل می بینیم ، جایی که ما به طور خاص آگاهی از SDG ها را به عنوان بخشی از "DD2301: دوره یکپارچه سازی برنامه" ارتقا می دهیم و همچنین موارد استفاده از "هوش مصنوعی را برای خوبی" برجسته می کنیم ، که با SDG ها ، مانند طراحی و بهره برداری از مزارع بادی و خورشیدی برای کارآمدتر شدن آنها ، تشخیص و معالجه بیماری های مختلف و طراحی مداخلات بهداشتی و مهندسی دقیق برای ترویج شیوه های کارآمد در کشاورزی.

در سال پایانی تحصیلات ، دانشجویان این برنامه فرصتی برای تکمیل پروژه های مدرک نهایی خواهند داشت که بسیار مربوط به SDG های متعدد باشد. نمونه هایی از مواردی که در گذشته چنین پروژه هایی اتفاق افتاده است عبارتند از:

  • SDG: "سلامتی و بهزیستی" با شرکتهای فناوری پزشکی مانند Elekta و RaySearch؛
  • SDG: "شهرها و جوامع پایدار" ، با نظارت خودکار تصاویر ماهواره ای در بخش Geoinformatics ، KTH .
  • SDG: "مؤسسات قوی صلح و عدالت" ، با موسسه بین المللی مستقل SIPRI.

دوره های آموزشی

برنامه کارشناسی ارشد دو ساله در یادگیری ماشینی شامل سه دوره دروس و یک ترم آخر به پروژه دوره کارشناسی ارشد است. هر ترم شامل تقریبا 30 اعتبار ECTS است. دوره های ارائه شده در این صفحه برای مطالعاتی که از پاییز سال 2020 شروع می شود ، اعمال می شود.

سال 1

دوره های اجباری

  • آشنایی با فلسفه علوم و روش تحقیق (DA2205) 7.5 اعتبار
  • دوره ادغام برنامه در یادگیری ماشینی (DD2301) 3.0 اعتبار
  • هوش مصنوعی (DD2380) 6.0 اعتبار
  • یادگیری ماشین (DD2421) 7.5 اعتبار
  • یادگیری ماشین ، دوره پیشرفته (DD2434) 7.5 اعتبار

دوره های انتخابی مشروط

  • تجسم (DD2257) 7.5 اعتبار
  • علوم اعصاب (DD2401) 7.5 اعتبار
  • دوره فردی پیشرفته در زیست شناسی محاسباتی (DD2402) 6.0 اعتبار
  • آشنایی با روباتیک (DD2410) 7.5 اعتبار
  • پروژه تحقیقاتی در رباتیک ، ادراک و یادگیری (DD2411) 15.0 اعتبار
  • Deep Learning، Advanced Course (DD2412) 6.0 اعتبار
  • مهندسی زبان (DD2418) 6.0 اعتبار
  • مدلهای گرافیکی احتمالی (DD2420) 7.5 اعتبار
  • تجزیه و تحلیل تصویر و چشم انداز رایانه (DD2423) 7.5 اعتبار
  • یادگیری عمیق در علوم داده (DD2424) 7.5 اعتبار
  • رباتیک و سیستم های خودمختار (DD2425) 9.0 اعتبار
  • عکاسی محاسباتی (DD2429) 6.0 اعتبار
  • مدل سازی ریاضی سیستم های بیولوژیکی (DD2435) 9.0 اعتبار
  • شبکه های عصبی مصنوعی و معماری های عمیق (DD2437) 7.5 اعتبار
  • هوش مصنوعی و سیستم های چند عامل (DD2438) 15.0 اعتبار
  • روشهای آماری در علوم کامپیوتر کاربردی (DD2447) 6.0 اعتبار
  • موتورهای جستجو و سیستمهای بازیابی اطلاعات (DD2476) 9.0 اعتبار
  • فناوری گفتار (DT2112) 7.5 اعتبار
  • تشخیص صدا و بلندگو (DT2119) 7.5 اعتبار
  • برآورد کاربردی (EL2320) 7.5 اعتبار
  • یادگیری تقویتی (EL2805) 7.5 اعتبار
  • شناخت الگوی و یادگیری ماشین (EQ2341) 7.5 اعتبار
  • داده کاوی (ID2222) 7.5 اعتبار
  • یادگیری ماشین مقیاس پذیر و یادگیری عمیق (ID2223) 7.5 اعتبار
  • بهینه سازی (SF1811) 6.0 اعتبار
  • تحلیل رگرسیون (SF2930) 7.5 اعتبار
  • نظریه احتمال (SF2940) 7.5 اعتبار
  • تجزیه و تحلیل سری زمانی (SF2943) 7.5 اعتبار

دوره های پیشنهادی

  • ساخت سیستم برنامه با استفاده از اعتبار C (DD1388) 7.5
  • الگوریتم ها و پیچیدگی (DD2352) 7.5 اعتبار
  • امنیت رایانه (DD2395) 6.0 اعتبار
  • مبانی رمزنگاری (DD2448) 7.5 اعتبار
  • برنامه نویسی تعامل و Dynamic Web (DH2642) 7.5 اعتبار
  • برنامه نویسی منطق (ID2213) 7.5 اعتبار
  • محاسبات داده-فشرده (ID2221) 7.5 اعتبار
  • محاسبات موازی برای مشکلات در مقیاس بزرگ (SF2568) 7.5 اعتبار

سال 2

دوره های اجباری

  • پروژه درجه در علوم کامپیوتر و مهندسی ، متخصص در یادگیری ماشین ، چرخه دوم (DA233X) 30.0 اعتبار
  • دوره ادغام برنامه در یادگیری ماشینی (DD2301) 3.0 اعتبار

دوره های انتخابی مشروط

  • تجسم (DD2257) 7.5 اعتبار
  • آشنایی با روباتیک (DD2410) 7.5 اعتبار
  • پروژه تحقیقاتی در رباتیک ، ادراک و یادگیری (DD2411) 15.0 اعتبار
  • Deep Learning، Advanced Course (DD2412) 6.0 اعتبار
  • مدلهای گرافیکی احتمالی (DD2420) 7.5 اعتبار
  • تجزیه و تحلیل تصویر و چشم انداز رایانه (DD2423) 7.5 اعتبار
  • رباتیک و سیستم های خودمختار (DD2425) 9.0 اعتبار
  • دوره پروژه در علوم داده (DD2430) 7.5 اعتبار
  • مدل سازی ریاضی سیستم های بیولوژیکی (DD2435) 9.0 اعتبار
  • شبکه های عصبی مصنوعی و معماری های عمیق (DD2437) 7.5 اعتبار
  • هوش مصنوعی و سیستم های چند عامل (DD2438) 15.0 اعتبار
  • روشهای آماری در علوم کامپیوتر کاربردی (DD2447) 6.0 اعتبار
  • برآورد کاربردی (EL2320) 7.5 اعتبار
  • یادگیری تقویتی (EL2805) 7.5 اعتبار
  • داده کاوی (ID2222) 7.5 اعتبار
  • یادگیری ماشین مقیاس پذیر و یادگیری عمیق (ID2223) 7.5 اعتبار
  • بهینه سازی (SF1811) 6.0 اعتبار
  • تحلیل رگرسیون (SF2930) 7.5 اعتبار
  • نظریه احتمال (SF2940) 7.5 اعتبار

دوره های پیشنهادی

  • ساخت سیستم برنامه با استفاده از اعتبار C (DD1388) 7.5
  • الگوریتم ها و پیچیدگی (DD2352) 7.5 اعتبار
  • امنیت رایانه (DD2395) 6.0 اعتبار
  • مبانی رمزنگاری (DD2448) 7.5 اعتبار
  • برنامه نویسی تعامل و Dynamic Web (DH2642) 7.5 اعتبار
  • برنامه نویسی منطق (ID2213) 7.5 اعتبار
  • محاسبات داده-فشرده (ID2221) 7.5 اعتبار
  • محاسبات موازی برای مشکلات در مقیاس بزرگ (SF2568) 7.5 اعتبار

شرایط پذیرش

برای واجد شرایط بودن در برنامه ، باید مدرک لیسانس دریافت کرده باشید ، به زبان انگلیسی مهارت داشته باشید و شرایط خاص برنامه را برآورده کنید.

مدرک کارشناسی

مدرک لیسانس ، معادل مدرک لیسانس سوئد یا معادل مدارک تحصیلی معادل دانشگاهی معتبر بین المللی ، لازم است. دانشجویانی که برنامه های فنی طولانی تری را دنبال می کنند و دوره های معادل لیسانس را گذرانده اند ، به صورت موردی در نظر گرفته می شوند.

تسلط به زبان انگلیسی

تسلط به زبان انگلیسی معادل (دبیرستان سوئدی) دوره انگلیسی B / 6 زبان انگلیسی لازم است. این شرط می تواند از نتیجه مساوی یا بالاتر از آنچه گفته شده در تست های انگلیسی شناخته شده بین المللی زیر است:

  • TOEFL مبتنی بر مقاله: امتیاز 4.5 (مقیاس 1-6) در آزمون کتبی ، نمره کل 575.
    TOEFL ITP پذیرفته نمی شود.
  • TOEFL iBT مبتنی بر اینترنت: امتیاز 20 (مقیاس 0-30) در آزمون کتبی ، نمره کل 90
  • آیلتس آکادمیک: حداقل نمره کلی 6.5 ، با هیچ بخش کمتر از 5.5
  • Cambridge ESOL: Cambridge English: Advanced (CAE) گواهی پیشرفته انگلیسی یا کمبریج انگلیسی: مهارت (CPE) (گواهی مهارت در انگلیسی)
  • باتری ارزیابی زبان انگلیسی میشیگان (MELAB): حداقل نمره 90
  • دانشگاه میشیگان ، ECPE (آزمون گواهی تسلط به زبان انگلیسی)
  • پیرسون PTE آکادمیک: امتیاز 62 (نگارش 61)

الزامات خاص برنامه کارشناسی ارشد در یادگیری ماشین

مدرک لیسانس یا معادل آن مطابق با 180 اعتبار ECTS با سطح ریاضی و علوم رایانه برابر یا بالاتر از دوره های زیر در KTH :

  • SF1624 جبر و هندسه
  • حساب SF1625 در یک متغیر
  • حساب SF1626 در چندین متغیر
  • نظریه و آمار احتمالی SF1901
  • برنامه نویسی DD1337
  • الگوریتم ها و ساختار داده های DD1338

اسناد برنامه

  1. گواهینامه ها و دیپلم های مطالعات قبلی دانشگاه
  2. متن دوره ها و نمرات تکمیل شده در مدرک تحصیلی شما
  3. گواهینامه مهارت انگلیسی
  4. کپی گذرنامه شما شامل اطلاعات شخصی و عکس یا سایر مدارک شناسایی

اسناد ویژه برنامه کارشناسی ارشد در یادگیری ماشین

  • نامه انگیزه
  • توصیهنامهها
  • برگه خلاصه *

* برای اینکه درخواست شما کاملاً در نظر گرفته شود ، باید برگه خلاصه آنلاین را پر کنید. اگر یک برگه خلاصه ندارید ، این ممکن است بر نمره ارزیابی شما تأثیر منفی بگذارد. لطفاً قبل از ارسال فرم ، حتماً تمام اطلاعات لازم را پر کنید.

آخرین به روز رسانی مارس 2020

بورسیه تحصیلی Keystone

گزینه‌هایی که بورسیه ما می‌تواند به شما ارائه دهد را بشناسید

درباره این دانشگاه

KTH Royal Institute of Technology has served as one of Europe’s key centres of innovation and intellectual talent for almost two hundred years. Recognized as Sweden’s most prestigious technical univer ... اطلاعات بیشتر

KTH Royal Institute of Technology has served as one of Europe’s key centres of innovation and intellectual talent for almost two hundred years. Recognized as Sweden’s most prestigious technical university, KTH is also the country’s oldest and largest. With over 12,000 students and an international reputation for excellence, the university continues to nurture the world’s brightest minds, helping to shape the future. اطلاعات محدود