یادگیری ماشین و علم داده (آنلاین)

درک عمیقی از مدل های یادگیری ماشین ایجاد کنید و یاد بگیرید که آنها را در مسائل دنیای واقعی به کار ببرید.

درک عمیقی از مدل های یادگیری ماشین ایجاد کنید و یاد بگیرید که آنها را در مسائل دنیای واقعی به کار ببرید.

از یادگیری انعطاف پذیر در طول 24 ماه در یک دوره کاملا آنلاین بهره مند شوید

یک نمونه کار بسازید و مهارت های خود را برای شغل آینده در ریاضیات، داده ها یا آمار به نمایش بگذارید.

حقایق کلیدی دوره

صلاحیت

مدت زمان

2 سال

تاریخ شروع

اکتبر 2023

حالت مطالعه

پاره وقت

16200 پوند در سال خانه

16200 پوند در سال در خارج از کشور

تحویل داده شده توسط

گروه ریاضی

محل

برخط

حداقل استاندارد ورودی 2023

2:1 در آمار، ریاضیات، مهندسی، فیزیک یا علوم کامپیوتر

نمای کلی دوره

در این دوره کارشناسی ارشد آنلاین و پاره وقت به کار خود در مهندسی یا علوم داده سرعت بخشید.

از طریق پروژه‌های عملی، مجموعه‌ای در همه چیز از مدل‌سازی احتمالی و یادگیری عمیق تا پردازش داده‌های بدون ساختار و تشخیص ناهنجاری ایجاد خواهید کرد.

این برنامه توانایی های تحلیلی شما را در رابطه با ریاضیات و آمار افزایش می دهد. با پیاده‌سازی راه‌حل‌های مقیاس‌پذیر با استفاده از ابزارهای استاندارد صنعتی، از جمله PySpark، در مقابله با داده‌های پیچیده تخصص کسب خواهید کرد.

شما همچنین اخلاق و محدودیت های یادگیری ماشینی را در نظر خواهید گرفت و یاد خواهید گرفت که چگونه از نظر اخلاقی از این تکنیک ها در کار خود استفاده کنید.

تمام آموزش ها به صورت آنلاین ارائه می شود.

ساختار

این صفحه به طور مرتب به روز می شود تا آخرین نسخه برنامه درسی را منعکس کند. با این حال، این اطلاعات در معرض تغییر است.

• ماژول های اصلی
• پروژه انفرادی

شما همه این ماژول های اصلی را خواهید گرفت

ماژول های اصلی

اخلاق در علم داده و هوش مصنوعی بخش اول

پیامدهای اخلاقی قابلیت های جدید ارائه شده توسط علم داده و هوش مصنوعی را بررسی کنید.

برنامه نویسی برای علم داده

یاد بگیرید چگونه از پیاده سازی، آزمایش و استقرار الگوریتم های یادگیری ماشین پشتیبانی کنید و در استفاده از R و Python مسلط شوید.

ریاضیات کاربردی

با ابزارهای آماری و ریاضی که در ماژول های بعدی استفاده خواهند شد آشنا شوید. شما موضوعاتی از جمله احتمال اولیه، تکنیک های بهینه سازی و حالت های همگرایی را بررسی خواهید کرد.

تجزیه و تحلیل داده های اکتشافی و تجسم

نحوه تولید خلاصه‌های روایی قانع‌کننده و تجسم‌های آموزنده برای انواع مجموعه داده‌های پیچیده را کشف کنید.

یادگیری تحت نظارت

با چارچوب یادگیری نظارت شده آشنا شوید و درک خود را از مدل های خطی ارتقا دهید.

اخلاق در علوم داده و هوش مصنوعی قسمت 2

دانش موجود خود را در مورد اخلاق در علم داده و هوش مصنوعی بنا کنید و موضوعات دنیای واقعی را کشف کنید.

داده های بزرگ: مقیاس پذیری آماری با pyspark

در برنامه نویسی توزیع شده ، جرقه و تجزیه و تحلیل آماری در مقیاس تخصص داشته باشید و در صورت مناسب بودن استفاده از فناوری داده های بزرگ برای انجام تجزیه و تحلیل داده ها ، مشخص کنید.

روش ها و محاسبات بیزی

احتمالات ذهنی و الگوی بیزی را برای تصمیم گیری های فردی منسجم در صورت عدم اطمینان بررسی کنید.

یادگیری عمیق

بلوک های ساختمانی مدل های یادگیری عمیق و نحوه طراحی معماری های شبکه را برای برنامه های خاص کشف کنید.

یادگیری بدون نظارت

چالش های مختلف یادگیری بدون نظارت ، بررسی مباحث از جمله خوشه بندی ، تجزیه و تحلیل عاملی و کاهش ابعاد را ارزیابی کنید.

اخلاق در علوم داده و هوش مصنوعی قسمت 3

مطالعات خود را با بررسی پیامدهای اخلاقی علم داده و هوش مصنوعی انجام دهید.

تجزیه و تحلیل داده های بدون ساختار

بیاموزید که چگونه داده های "بدون ساختار" را کنترل کنید و روش هایی را برای تبدیل داده های بدون ساختار به فرم "ساختاری" آشنا تر توسعه دهید.

عوامل یادگیری

تخصص را برای یادگیری ماشین فراتر از فرآیند پیش بینی به فرآیندهای رسمی تصمیم گیری توسعه دهید.

شما همچنین یک پروژه تحقیقاتی گسترده با محوریت یادگیری ماشین و علوم داده را انجام خواهید داد.

با این کار شما می توانید آموزش در زمینه تحقیق در مورد مشکلات باز و نشان داده شده در مورد برنامه را نشان دهید.

پروژه های تحقیقاتی بسته به علایق شما ممکن است نظری ، روش شناختی یا کاربردی باشند. کار با یک گزارش کتبی و یک معاینه شفاهی ارزیابی می شود.

تدریس و ارزیابی

تعادل تدریس و یادگیری

• سخنرانی ها و آموزش ها
• مطالعه مستقل

سال 1

• 22 ٪ سخنرانی و آموزش
• 78 ٪ مطالعه مستقل

سال 2

• 15 ٪ سخنرانی و آموزش
• 85 ٪ مطالعه مستقل

روشهای تدریس و یادگیری

روشهای ارزیابی

شرایط ورود

ما همه متقاضیان را به صورت فردی در نظر می گیریم و از دانش آموزان از سراسر جهان استقبال می کنیم.

• حداقل نیاز دانشگاهی
• الزام زبان انگلیسی
• صلاحیت های بین المللی

2: 1 در آمار ، ریاضیات ، مهندسی ، فیزیک یا علوم کامپیوتر.

همه داوطلبان باید حداقل سطح مهارت زبان انگلیسی را برای پذیرش در دانشکده نشان دهند.

برای پذیرش در این دوره ، شما باید در صلاحیت مناسب زبان انگلیسی به نیاز کالج بالاتر برسید. برای جزئیات بیشتر در مورد حداقل نمرات مورد نیاز برای دستیابی به این نیاز ، لطفاً به الزامات زبان انگلیسی برای متقاضیان تحصیلات تکمیلی مراجعه کنید.

ما همچنین طیف گسترده ای از صلاحیت های بین المللی را می پذیریم.

شرط دانشگاهی در بالا برای متقاضیانی است که در جهت صلاحیت انگلیس کار می کنند یا در حال کار هستند.

برای راهنمایی ، به صلاحیت های پذیرفته شده ما مراجعه کنید ، لطفاً توجه داشته باشید که استانداردهای ذکر شده حداقل ورود به دانشکده است و نه به طور خاص این بخش.

اگر در مورد پذیرش و استاندارد مورد نیاز برای صلاحیت شما یا در حال حاضر در حال تحصیل سؤالی دارید ، لطفاً با تیم پذیرش مربوطه تماس بگیرید.

چگونه درخواست شود

درخواست آنلاین

می توانید یک فرم درخواست را در هر سال از ورود ارسال کنید. شما می توانید تا دو دوره را انتخاب کنید.

هزینه درخواست

اگر متقاضی دوره کارشناسی ارشد تدریس شده هستید ، قبل از ارسال درخواست خود باید هزینه درخواست را پرداخت کنید.

هزینه در هر برنامه اعمال می شود و نه در هر دوره:

• 80 پوند برای همه برنامه های کارشناسی ارشد به استثنای دانشکده تجارت کالج امپریال
• 100 پوند برای همه برنامه های کاربردی MSC به دانشکده تجارت کالج امپریال
• 150 پوند برای برنامه های MBA در دانشکده تجارت کالج امپریال

هیچ هزینه درخواست برای دوره های MRES ، گواهینامه های تحصیلات تکمیلی ، دیپلم های تحصیلات تکمیلی یا دوره های تحقیقاتی مانند دکترا و ENGDS وجود ندارد.

اگر با مشکلات مالی روبرو هستید و قادر به پرداخت هزینه درخواست نیستید ، ما شما را ترغیب می کنیم که برای چشم پوشی از هزینه درخواست ما درخواست کنید.

مهلت درخواست

توصیه می کنیم در اسرع وقت درخواست کنید زیرا مکان های موجود در این برنامه ممکن است به سرعت پر شود.

اگر مهلت نهایی برنامه اعلام شود ، این صفحه به روز می شود.

فرآیند برنامه

اطلاعات بیشتری در مورد نحوه درخواست برای دوره کارشناسی ارشد ، از جمله منابع و اظهارات شخصی کسب کنید.

اطلاعات مهم

اطلاعات مهم برای متقاضیان ایران ، سودان ، کریمه ، کوبا ، سوریه و کره شمالی

این برنامه کاملاً بصورت آنلاین از طریق شریک سکوی ما ، Coursera تحویل داده می شود. مقررات کنترل صادرات ایالات متحده مانع از ارائه خدمات و محتوا به کاربران در برخی از کشورها یا مناطق می شود.

اطلاعات بیشتر در مورد اینکه کدام کشورها یا مناطق تحت تأثیر قرار گرفته اند را می توان در وب سایت Coursera یافت.

Coursera باید این محدودیت ها را اجرا کند تا مطابق قانون ایالات متحده باشد و به همین دلیل توصیه می کنیم که همه متقاضیان علاقه مند قبل از درخواست برنامه ، این اطلاعات را بررسی کنند.

در نتیجه ، ما قادر به در نظر گرفتن برنامه های مربوط به برنامه برای کسانی که مایل به مطالعه برنامه از این کشورها هستیم ، نیستیم.

اگر متقاضیان علاقه مند هرگونه سؤال در مورد موارد فوق دارند ، لطفاً با: ml-online-msc@imperial. ac. uk تماس بگیرید

ثبت نام دوگانه

شما نمی توانید همزمان بیش از یک جایزه ثبت نام و ثبت نام کنید. این شامل جوایز دانشگاه ها و مؤسسات دیگر امپریال و سایر دانشگاه ها است. قبل از شروع باید از دوره فعلی خود ثبت نام کنید. اطلاعات بیشتر در مورد این را در آیین نامه دانشگاهی عمومی کالج امپریال بخوانید (بخش 5. 5).

گواهینامه ATAS

گواهی ATAS برای دانشجویان متقاضی این دوره لازم نیست.< Pan> Coursera باید این محدودیت ها را اجرا کند تا مطابق قانون ایالات متحده باشد و به همین دلیل توصیه می کنیم که همه متقاضیان علاقه مند قبل از درخواست برنامه ، این اطلاعات را بررسی کنند.