La Salle Campus Barcelona – Universidad Ramon Llull

Πτυχίο Τεχνητής Νοημοσύνης και Επιστήμης Δεδομένων

Μεθοδολογία

Η μεθοδολογία με την οποία θα λάβετε την εκπαίδευσή σας στο La Salle θα είναι εξαιρετικά πρακτική με βάση:

• Εκπαίδευση επικεντρωμένη στη μάθηση μέσω πρόκλησης.
• Η εργαστηριακή εργασία ως βασικό στοιχείο για την αφομοίωση των εννοιών.
• Επίλυση προβλήματος.
• Ανάπτυξη πρακτικών ασκήσεων που συμπληρώνουν τις θεωρητικές βάσεις.
• Συνεργατική εργασία για την προώθηση της ομαδικής εργασίας και την ανάπτυξη διαπροσωπικών δεξιοτήτων.
• Η μάθηση βάσει έργου είναι μια από τις πιο ευρέως χρησιμοποιούμενες μεθοδολογίες ενεργητικής μάθησης στο πτυχίο.

Πιστωτικές μονάδες: 240 ECTS

Έτος 1

Εξάμηνο 1

• Σκέψη και δημιουργικότητα Ι (2)
• Βασικές αρχές προγραμματισμού I (6)
• Μαθηματικά θεμέλια (6)
• Γραμμική άλγεβρα (6)
• Υπολογιστική λογική (6)
• Η τεχνητή νοημοσύνη και τα ηθικά της ζητήματα (4)

Εξάμηνο 2

• Σκέψη και δημιουργικότητα Ι (2)
• Βασικές αρχές προγραμματισμού II (6)
• Πιθανότητες και στατιστικά στοιχεία (6)
• Υπολογιστικές υποδομές (6)
• Διαφορικός και ολοκληρωτικός λογισμός (6)
• Σχεδιασμός και χρηστικότητα (6)

Έτος 2

Εξάμηνο 1

• Σκέψη και δημιουργικότητα II (2)
• Προηγμένος προγραμματισμός και δομή δεδομένων (6)
• Μαθηματικές μέθοδοι (6)
• Διοίκηση επιχειρήσεων (6)
• Μέθοδοι για προηγμένη ανάλυση και οπτικοποίηση δεδομένων (6)
• Συστήματα που βασίζονται στη γνώση (6)

Εξάμηνο 2

• Σκέψη και δημιουργικότητα II (2)
• Νομοθεσία περί τεχνητής νοημοσύνης (4)
• Λειτουργικά συστήματα (6)
• Αντικειμενοστραφής σχεδιασμός και προγραμματισμός (6)
• Μηχανική μάθηση (6)
• Βάσεις δεδομένων (6)

Έτος 3

Εξάμηνο 1

• Σκέψη και δημιουργικότητα III (3)
• Βελτιστοποίηση (6)
• Γλώσσες προγραμματισμού (6)
• Μεθοδολογία λογισμικού (3)
• Υπολογιστικές υποδομές για τεχνητή νοημοσύνη (6)
• Νευρωνικά δίκτυα και βαθιά μάθηση (6)

Εξάμηνο 2

• Σκέψη και δημιουργικότητα III (3)
• Έργα τεχνητής νοημοσύνης (6)
• Αυτόνομα συστήματα και ρομποτική (6)
• Τεχνητή όραση (6)
• Επεξεργασία φυσικής γλώσσας (6)
• Διαχείριση έργου (6)

Έτος 4

Εξάμηνο 1

Προαιρετικά Θέματα:

• Διαχείριση εφοδιαστικής αλυσίδας (6)
• Εξειδίκευση AI I (6)
• Η επιστήμη των δεδομένων που εφαρμόζεται στη βιοϊατρική (6)
• Στρατηγικές ψηφιακού μάρκετινγκ (6)
• Ιατρική ρομποτική (6)
• Επεξεργασία ήχου με μηχανική εκμάθηση (6)
• Αρχές αλληλεπίδρασης ανθρώπου-μηχανής (6)
• Πρόβλεψη χρονοσειρών (6)
• AI για επιχειρηματικές διαδικασίες (6)
• Εξειδίκευση AI IV (6)
• Επεξεργασία σήματος και ιατρικές εικόνες (6)
• Κυβερνοασφάλεια με μηχανική μάθηση (6)
• Εξειδίκευση AI II (6)
• Εξειδίκευση AI III (6)
• Ψηφιακός μετασχηματισμός κέντρου υγείας (6)
• Προηγμένη ρομποτική (6)
• Χρηματοοικονομικά αναλυτικά στοιχεία (6)
• Εξειδίκευση AI V (6)

Εξάμηνο 2

• Τελική Διατριβή (15)
• Πρακτική άσκηση (15)

Αυτό το πρόγραμμα στοχεύει στην ανάπτυξη άκρως εξειδικευμένων, υπεύθυνων και καινοτόμων επαγγελματιών Τεχνητής Νοημοσύνης, ικανών να οδηγήσουν τον τεχνολογικό μετασχηματισμό σε όλους τους κλάδους και την κοινωνία.

• Εκπαίδευση ειδικών στην τεχνητή νοημοσύνη: Οι μαθητές θα εκπαιδευτούν ώστε να κατανοήσουν σε βάθος τις θεωρητικές και πρακτικές έννοιες της τεχνητής νοημοσύνης και της επιστήμης δεδομένων, καλύπτοντας τομείς όπως η μηχανική μάθηση, η βαθιά μάθηση, η επεξεργασία φυσικής γλώσσας και η όραση υπολογιστή.
• Αναπτύξτε προηγμένες τεχνικές δεξιότητες: Οι μαθητές θα εκπαιδευτούν ώστε να αποκτήσουν σταθερές τεχνικές δεξιότητες στον προγραμματισμό, τα μαθηματικά, τις στατιστικές και τους αλγόριθμους, δίνοντάς τους τη δυνατότητα να σχεδιάζουν, να εφαρμόζουν και να αξιολογούν αλγόριθμους τεχνητής νοημοσύνης.
• Ενθάρρυνση της έρευνας και της καινοτομίας: Η έρευνα και η καινοτομία θα τονωθούν μεταξύ των μαθητών, παρακινώντας τους να αντιμετωπίσουν δύσκολα προβλήματα και να συμβάλουν στη συνεχή πρόοδο του τομέα της τεχνητής νοημοσύνης.
• Εφαρμογή τεχνητής νοημοσύνης σε διάφορους κλάδους: Οι φοιτητές θα είναι προετοιμασμένοι να εφαρμόσουν τις γνώσεις τους σχετικά με την τεχνητή νοημοσύνη σε διαφορετικούς τομείς, όπως η υγεία, η ενέργεια, το εμπόριο, τα χρηματοοικονομικά, η κυβέρνηση και η δημόσια διοίκηση, το μάρκετινγκ και η διαφήμιση, η μεταποίηση και η γεωργία, για την επίλυση πραγματικών προβλημάτων σε πολλαπλά πλαίσια.
• Προώθηση ηθικής και υπευθυνότητας στην τεχνητή νοημοσύνη: Οι μαθητές θα ενσταλάξουν με μια βαθιά κατανόηση της ηθικής και της υπευθυνότητας στην ανάπτυξη και εφαρμογή συστημάτων τεχνητής νοημοσύνης, ενθαρρύνοντας ηθικές πρακτικές και προβληματισμούς στις σχετικές δραστηριότητές τους.

Οι απόφοιτοι Τεχνητής Νοημοσύνης και Επιστήμης Δεδομένων μπορούν να εργαστούν σε μια ποικιλία ρόλων και τομέων, λόγω της αυξανόμενης ζήτησης για επαγγελματίες με εξειδίκευση σε αυτούς τους τομείς.

Μερικές από τις πιθανές επαγγελματικές πορείες περιλαμβάνουν:

Επαγγελματίες Τεχνητής Νοημοσύνης

• Τεχνητή Νοημοσύνη. Σχεδιασμός και ανάπτυξη συστημάτων Τεχνητής Νοημοσύνης, συμπεριλαμβανομένων αλγορίθμων και μοντέλων.
• Μηχανική Μάθηση. Εστίαση στην εφαρμογή και βελτιστοποίηση αλγορίθμων μηχανικής μάθησης.
• Επιστήμονας έρευνας τεχνητής νοημοσύνης. Διεξαγωγή προηγμένης έρευνας για τη βελτίωση της τεχνητής νοημοσύνης.
• Ηθικός Τεχνητής Νοημοσύνης. Αντιμετωπίζει ηθικά ζητήματα που σχετίζονται με την Τεχνητή Νοημοσύνη και διασφαλίζει την υπεύθυνη χρήση της.
• Σύμβουλος Τεχνητής Νοημοσύνης. Παρέχει εξειδικευμένες συμβουλές σχετικά με έργα Τεχνητής Νοημοσύνης και την πρακτική εφαρμογή τους.

Επαγγελματίες Επιστήμης Δεδομένων

• Επιστήμονας Δεδομένων. Εργαστείτε στη δημιουργία μοντέλων για την εξαγωγή πολύτιμων πληροφοριών και γνώσεων από δεδομένα.
• Αναλυτής Δεδομένων. Εστίαση στην ανάλυση δεδομένων για τη λήψη τεκμηριωμένων αποφάσεων.
• Ειδικός Δεδομένων. Σχεδιασμός και συντήρηση υποδομών δεδομένων για τη διασφάλιση της διαθεσιμότητας και της προσβασιμότητας.

Επαγγελματίες Επιχειρηματικών Εφαρμογών

• Αναλυτής Τεχνητής Νοημοσύνης Επιχειρήσεων. Μεταφράζει δεδομένα σε σχετικές πληροφορίες για τη λήψη επιχειρηματικών αποφάσεων.
• Προγραμματιστής Τεχνητής Νοημοσύνης Επιχειρήσεων. Δημιουργία και συντήρηση συστημάτων επιχειρηματικής ευφυΐας για τη διευκόλυνση της πρόσβασης σε βασικές πληροφορίες.
• Αναλυτής Τεχνητής Νοημοσύνης Επιχειρήσεων. Αναλύστε δεδομένα για τη δημιουργία αναφορών και πινάκων ελέγχου για την υποστήριξη επιχειρηματικών στρατηγικών.

Έξυπνη Μάθηση

Ένα νέο εκπαιδευτικό μοντέλο για ένα νέο φυσιολογικό.

Αυτό το νέο φυσιολογικό απαιτεί έναν νέο τρόπο διδασκαλίας και μάθησης, προσαρμοσμένο σε μια μεταβαλλόμενη και αβέβαιη κατάσταση που απαιτεί ευέλικτη, έξυπνη και τεχνολογική μάθηση που προσαρμόζεται σε όλες τις νέες εκπαιδευτικές ανάγκες των μαθητών.

La Salle Campus Barcelona - Ramon Llull University εγκρίνει το νέο μοντέλο Smart Learning και κάνει ένα ακόμη βήμα στο καινοτόμο DNA του, επηρεάζοντας όλους τους τομείς της εκπαιδευτικής διαδικασίας: η εξυπηρέτηση των φοιτητών, οι διεθνείς ανταλλαγές, η εξ αποστάσεως πρακτική άσκηση, το μοντέλο τηλεργασίας που εφαρμόζεται σε πρακτικές με εταιρείες, η τράπεζα εργασίας και ερευνητικά προγράμματα.

Ποιο είναι το νέο μοντέλο Smart Learning;

Έχει εφαρμοστεί υπερσύγχρονη τεχνολογία στις αίθουσες διδασκαλίας που θα επιτρέψει στους μαθητές, εθνικούς και διεθνείς, που δεν μπορούν να φτάσουν στην πανεπιστημιούπολη για να παρακολουθήσουν και να συμμετάσχουν σε μαθήματα χωρίς να βρίσκονται φυσικά στην τάξη. Οι συνεδρίες που δίνονται με επιτόπου μαθητές θα μεταδίδονται ζωντανά μέσω Διαδικτύου και όσοι παρακολουθούν εικονικά θα προβάλλονται σε οθόνες, έτσι ώστε οι δάσκαλοι και οι μαθητές να βλέπουν και να αλληλεπιδρούν μαζί τους. Όλοι οι μαθητές, τόσο επιτόπου όσο και όσοι δεν μπορούν να έρθουν στην πανεπιστημιούπολη, θα σχηματίσουν μια ενιαία ομάδα διατηρώντας το ίδιο ακαδημαϊκό πρόγραμμα και επαφή με τους συμμαθητές και τους δασκάλους τους.

Με το νέο μοντέλο Smart Learning, οι μαθητές θα έχουν εκπαίδευση η οποία θα είναι:

• Εξατομικευμένη, γιατί προσαρμόζεται στον μαθητή και τις ανάγκες ή τις περιστάσεις του, ανεξάρτητα από το σενάριο υγείας.
• Ευέλικτο, επειδή ξεπερνά τα εμπόδια των διαδικτυακών ή πρόσωπο με πρόσωπο μεθόδων με μια πλατφόρμα που επιτρέπει την προσωπική, μικτή και εξ αποστάσεως εκπαίδευση.
• Ευφυές, γιατί είναι ένας νέος τρόπος διδασκαλίας και μάθησης που συνδυάζει φυσικές και διαδραστικές εμπειρίες.
• Τεχνολογικά, προκειμένου να εφαρμοστεί η μεθοδολογία της Έξυπνης Μάθησης, οι αίθουσες διδασκαλίας μετατράπηκαν σε Έξυπνες αίθουσες διδασκαλίας, οι οποίες αποτελούνται από:
  • Σύστημα ήχου με εικονικά μικρόφωνα ανά τάξη
  • Κάμερες εξοπλισμένες με κίνηση
  • Έξυπνοι πίνακες για κοινή χρήση περιεχομένου από και προς το Smart Classroom, ενισχύοντας τη συνεργασία.