Master 2 INTELIGENCIA ARTIFICIAL
National School Of Computer Science For Industry And Business - ENSIIE
Información clave
ubicación del campus
Courcouronnes, Francia
Idiomas
Inglés
formato de estudio
En el campus
Duración
Solicitar información
Ritmo
Tiempo completo
Tasas de matrícula
Solicitar información
Plazo de solicitud
Solicitar información
Fecha de inicio más temprana
Sep 2023
becas
Explore oportunidades de becas para ayudar a financiar sus estudios
Introducción
El rápido crecimiento de la investigación y las aplicaciones de la inteligencia artificial (IA) ofrece oportunidades sin precedentes. Este curso está dirigido a estudiantes que deseen recibir una educación primaria excelente que cubra un amplio espectro de conceptos y aplicaciones de la IA basada en datos y que aprendan de ejemplos.
El programa ofrece cursos introductorios en aprendizaje estadístico, aprendizaje profundo y aprendizaje reforzado, optimización, procesamiento de señales, teoría de la información y teoría de juegos. Numerosas opciones permiten perfeccionarse en la teoría del aprendizaje y especializarse en muchos campos como big data, imágenes y procesamiento del lenguaje.
Este segundo año ofrece una mayor variedad de opciones, que cubren aspectos éticos y otros temas, como la creación de una empresa.
Este curso requiere una buena formación en matemáticas e informática: - Probabilidad y estadística - Álgebra lineal - Cálculo diferencial e integral - Programación científica - Visualización de los datos Los solicitantes también deben haber completado con éxito el M1 de Inteligencia Artificial (o equivalente): - Saber los conceptos básicos de la estadística aplicada y la optimización - Saber cómo manipular big data - Saber diferenciar y aplicar técnicas de aprendizaje supervisado, no supervisado y reforzado - Saber programar modelos predictivos con Python y dominar sci-kit-learn - Saber cómo Visualice datos e ilustre resultados con herramientas de programación - Sepa cómo escribir una propuesta de proyecto y comunique los resultados por escrito y oralmente.
Habilidades:
Formule matemáticamente algoritmos de descenso de gradientes para redes neuronales profundas, modelos gráficos u otros modelos de aprendizaje estadístico.
Programe modelos de aprendizaje profundo y modelos gráficos con Python y adquiera competencia en Keras, TensorFlow y Pytorch.
Comprender los fundamentos del aprendizaje estadístico a nivel teórico, centrándose en el sobreaprendizaje y la regularización.
Analice datos de varios tipos (imagen, texto, voz) de la señal sin procesar.
Leer, resumir, comentar y reproducir artículos científicos.
Perspectivas de carrera:
Este curso prepara para la investigación y las profesiones de I + D + i en nuevos campos de aplicación en pleno auge: visión por ordenador (vehículos autónomos y biometría); reconocimiento de voz (necesario para las nuevas interfaces hombre-máquina para teléfonos inteligentes); filtrado y agregación de contenido heterogéneo y textual (esencial para las soluciones comerciales para administrar flujos de datos importantes); gestión y seguimiento de sistemas industriales complejos o críticos que dependen del análisis de datos.