Fairfax University of America

Master of Science στην Τεχνητή Νοημοσύνη και τη Μηχανική Μάθηση

• Εφαρμόστε αλγόριθμους AI και ML για εξαγωγή συμπερασμάτων, σχεδίαση έξυπνων εφαρμογών για την επίλυση προβλημάτων του πραγματικού κόσμου και αυτοματοποίηση της ανάπτυξης συστημάτων και στοιχείων τεχνητής νοημοσύνης.
• Μοντελοποίηση ανθρώπινων συμπεριφορών για την ανάπτυξη συστημάτων Human-AI και αξιολόγηση της απόδοσής τους.
• Βελτιώστε τη συνολική απόδοση του ολοκληρωμένου συστήματος για να επηρεάσετε την ανθρώπινη απόδοση και μάθηση.
• Εφαρμόστε κοινωνικές, ηθικές και νομικές αρχές των τεχνολογιών και των εφαρμογών τους στον τομέα της τεχνητής νοημοσύνης και του ML.
• Επικοινωνήστε αποτελεσματικά ατομικά ή σε διαλειτουργικές ομάδες.

• Ειδικός AI
• Εφαρμοσμένη Τεχνητή Νοημοσύνη και Μηχανική Μάθηση-Επιστήμονας
• AWS Machine Learning Engineer
• Robotic Process Automation Programmer
• Μηχανικός Τεχνητής Νοημοσύνης
• Προγραμματιστής Ρομποτικής
• Μηχανικός Μηχανικής Εκμάθησης
• Εκπαιδευτής σε κολέγιο ή πανεπιστήμιο διδάσκοντας AI και ML εκτός από μαθήματα Πληροφορικής

Το Master of Science στο AI και ML απαιτεί τη συμπλήρωση 36 πιστωτικών μονάδων. Οι μαθητές θα λάβουν 12 μονάδες βασικών μαθημάτων, 6 μονάδες για αίτηση σταδιοδρομίας και 18 μονάδες σε τομείς περιεχομένου AI και ML.

Προϋποθέσεις προγράμματος

Όλοι οι νέοι μαθητές προγραμμάτων AI και ML χρειάζονται ορισμένες βασικές δεξιότητες για να τους προετοιμάσουν για επιτυχία στο Πρόγραμμα AI και ML. Τα πτυχία AI και ML παρέχουν μια ευρεία κατανόηση της θεωρίας και της τεχνολογίας αυτού του τομέα. Οι μαθητές που δεν έχουν το απαιτούμενο υπόβαθρο πρέπει να λάβουν μερικά ή όλα τα προαπαιτούμενα πριν παρακολουθήσουν τα βασικά μαθήματα. Έτσι, για να είναι επιτυχημένοι, οι μαθητές πρέπει να έχουν ένα υπόβαθρο στα ακόλουθα μαθήματα.

• COMP 109 Αλγόριθμος Υπολογιστών και Λογική Προγραμματισμού με χρήση Python
• COMP 260 Εισαγωγή στα λειτουργικά συστήματα
• COMP 270 Essentials of Networking
• COMP 329 Δομές Δεδομένων και Ανάλυση Αλγορίθμων
• Έννοιες βάσης δεδομένων COMP 350

Βασικά Μαθήματα (4 Μαθήματα – 12 Μονάδες)

Αυτά τα μαθήματα παρέχουν ένα εύρος θεμελιωδών γνώσεων για την εφαρμογή διεπαφών υπολογιστών, σχεδιασμό λογισμικού, επικοινωνία μεταξύ συστημάτων και τρόπο διαχείρισης συστημάτων πληροφορικής. Όλα αυτά είναι κρίσιμα στοιχεία για τους επαγγελματίες πληροφορικής ώστε να εφαρμόσουν αυτά τα δομικά στοιχεία σε οποιοδήποτε δεδομένο σύστημα ή έργο.

• COMP 501 Προηγμένα λειτουργικά συστήματα
• COMP 502 Σχεδιασμός και Ανάλυση Αλγορίθμων
• COMP 503 Δικτύωση και Τηλεπικοινωνίες
• COMP 504 Συστήματα Διαχείρισης Βάσεων Δεδομένων

Μαθήματα Εφαρμογής (2 Μαθήματα – 6 Μονάδες)

Αυτά τα μαθήματα προσφέρουν μια ευκαιρία στους φοιτητές να εφαρμόσουν όσα έμαθαν σε όλο το πρόγραμμα σε ένα πρακτικό έργο ή σε μια διατριβή μεταπτυχιακού. Ενώ το πρακτικό έργο προβλέπει την εφαρμογή της γνώσης που αποκτήθηκε σε όλο το πρόγραμμα και θα αντιπροσώπευε εργασία που θα μπορούσε να αποδείξει την ετοιμότητα σταδιοδρομίας σε πιθανούς εργοδότες, η διατριβή θα χρησιμεύσει γενικά για την επίδειξη του ερευνητικού δυναμικού ενός φοιτητή και θα μπορούσε να χρησιμοποιηθεί για την απόδειξη ετοιμότητας για διδακτορική εργασία. Ανεξάρτητα από την επιλογή, οι μαθητές θα επιδείξουν βασικές ερευνητικές γνώσεις και ικανότητες, οι οποίες θα χρησιμοποιηθούν για την ολοκλήρωση είτε του έργου είτε της διατριβής.

• COMP 505 Μέθοδοι Έρευνας
• Διάλεξε ένα:
• COMP 681 AI και ML Capstone Project
• COMP 698 Μεταπτυχιακή Διατριβή
  • COMP 681 AI και ML Capstone Project
  • COMP 698 Μεταπτυχιακή Διατριβή

Μαθήματα εξειδίκευσης (οποιαδήποτε 6 μαθήματα – 18 πιστωτικές μονάδες)

Αυτά τα προχωρημένα μαθήματα καλύπτουν το βάθος των θεμάτων που σχετίζονται με την τεχνητή νοημοσύνη και την ML και επιτρέπουν στους μαθητές να αναπτύξουν τις γνώσεις τους με βάση τις επιδιωκόμενες επαγγελματικές τους τροχιές.

• COMP 513 Σχεδιασμός και Προγραμματισμός Ρομποτικής
• COMP 514 Νευρωνικά Δίκτυα
• COMP 515 Αναγνώριση προτύπων
• COMP 516 Deep Learning
• COMP 517 Ειδικά Θέματα στο AI
• COMP 518 Ειδικά Θέματα σε ML
• COMP 521 Σχεδίαση και εφαρμογές έξυπνων συσκευών
• COMP 522 Εξόρυξη Δεδομένων
• COMP 593 Πρακτική Άσκηση Ι στην τεχνητή νοημοσύνη και τη μηχανική μάθηση
• COMP 610 Cognitive Computing
• COMP 611 Αποθήκευση δεδομένων
• COMP 613 Σχεδιασμός παιχνιδιών
• COMP 614 Αναγνώριση ομιλίας
• COMP 617 AWS Certified Machine Learning
• COMP 618 10 Google Machine Learning
• COMP 693 Πρακτική Άσκηση II στην τεχνητή νοημοσύνη και τη μηχανική μάθηση

Σημείωση: Οι σπουδαστές που επιθυμούν να παρακολουθήσουν ένα μάθημα που προσφέρεται από άλλο πρόγραμμα μπορούν να ζητήσουν να το κάνουν στον σύμβουλό τους παρέχοντας αιτιολόγηση για τη συνάφεια της προσθήκης ως μέρος της επαγγελματικής τους πορείας, του σχεδίου συμβουλευτικής που επιδιώκουν ή/και του προσωπικού τους ενδιαφέροντος. Το πολύ 2 μαθήματα μπορούν να εφαρμοστούν σε άλλο πρόγραμμα.