MSc Data Science και Τεχνητή Νοημοσύνη
Dubai, Ηνωμένα Αραβικά Εμιράτα
MSc (Μεταπτυχιακό Δίπλωμα Ειδίκευσης Επιστημών)
ΔΙΆΡΚΕΙΑ
2 έτη
ΓΛΏΣΣΕΣ
Αγγλικά
ΡΥΘΜΌΣ
Πλήρης απασχόληση, Μερικής απασχόλησης
ΠΡΟΘΕΣΜΊΑ ΕΦΑΡΜΟΓΉΣ
ΠΡΩΙΜΌΤΕΡΗ ΗΜΕΡΟΜΗΝΊΑ ΈΝΑΡΞΗΣ
ΔΊΔΑΚΤΡΑ
AED 76.491
ΜΟΡΦΉ ΜΕΛΈΤΗΣ
Στην Πανεπιστημιούπολη
Οι ημέρες ανοιχτών θυρών στην πανεπιστημιούπολη και οι εικονικές ημέρες ανοιχτών θυρών πραγματοποιούνται τακτικά καθ' όλη τη διάρκεια του έτους. Δεν υπάρχει καλύτερος τρόπος να μάθετε για τις σπουδές στο Middlesex University Dubai
Με ισχυρή έμφαση στην υπεύθυνη Τεχνητή Νοημοσύνη, τις εφαρμογές στον πραγματικό κόσμο και τη συνεργασία στον κλάδο, θα είστε σε θέση να ηγηθείτε στον ταχέως εξελισσόμενο τομέα της τεχνητής νοημοσύνης.
Επιλογές Τρόπου Σπουδών: Όλα τα μαθήματα πραγματοποιούνται με φυσική παρουσία στην πανεπιστημιούπολη, στην πανεπιστημιούπολη του Dubai Knowledge Park στην καρδιά της πόλης.
Τι θα μελετήσετε στο πρόγραμμα MSc Τεχνητής Νοημοσύνης και Επιστήμης Δεδομένων
Αυτό το πρόγραμμα παρέχει μια σταθερή βάση στην τεχνητή νοημοσύνη, την γενετική τεχνητή νοημοσύνη, τη μηχανική δεδομένων και την επιστήμη δεδομένων, συνδυάζοντας θεωρητικές γνώσεις με πρακτική εμπειρία. Θα εξερευνήσετε προηγμένα θέματα όπως μεγάλα γλωσσικά μοντέλα (LLM), βαθιά μάθηση, επεξεργασία φυσικής γλώσσας και ανάλυση μεγάλων δεδομένων, με έμφαση σε εφαρμογές πραγματικού κόσμου σε πολλαπλούς τομείς.
Το πρόγραμμα σπουδών ασχολείται επίσης με τις ηθικές, νομικές και κοινωνικές επιπτώσεις της Τεχνητής Νοημοσύνης, μαζί με ερευνητικές μεθόδους για την υποστήριξη της καινοτομίας. Οι απόφοιτοι θα είναι εξοπλισμένοι με τις τεχνικές δεξιότητες και τις δεξιότητες κριτικής σκέψης που απαιτούνται για σταδιοδρομία στην Τεχνητή Νοημοσύνη, την επιστήμη δεδομένων ή περαιτέρω έρευνα σε διδακτορικό επίπεδο.
Αναβαθμίστε την Εξειδίκευσή σας σε Λύσεις Τεχνητής Νοημοσύνης, Μηχανικής Μάθησης και Επιστήμης Δεδομένων
Το πρόγραμμα θα σας εξοπλίσει με προηγμένες δεξιότητες στην Τεχνητή Νοημοσύνη και τη μηχανική μάθηση, συμπεριλαμβανομένου του σχεδιασμού και της βελτιστοποίησης γενετικών μοντέλων και μεγάλων γλωσσικών μοντέλων (LLM) για ποικίλες εργασίες. Θα αποκτήσετε πρακτική εμπειρία στην προεπεξεργασία δεδομένων, τη μοντελοποίηση και την ανάλυση δομημένων και αδόμητων συνόλων δεδομένων χρησιμοποιώντας σύγχρονα εργαλεία Τεχνητής Νοημοσύνης. Δίνεται έμφαση στη δημιουργία διαδραστικών απεικονίσεων και αφηγήσεων που δημιουργούνται από την Τεχνητή Νοημοσύνη για την υποστήριξη της λήψης αποφάσεων που βασίζονται σε δεδομένα. Θα διερευνηθούν επίσης ηθικά, νομικά και διακυβερνητικά πλαίσια για να διασφαλιστεί η υπεύθυνη χρήση των τεχνολογιών Τεχνητής Νοημοσύνης.
Θα ολοκληρώσετε ένα ανεξάρτητο ερευνητικό ή βιομηχανικό έργο, εφαρμόζοντας Τεχνητή Νοημοσύνη και ανάλυση δεδομένων σε προβλήματα του πραγματικού κόσμου σε τομείς όπως η υγειονομική περίθαλψη, τα χρηματοοικονομικά και η εκπαίδευση.
Υποχρεωτικές ενότητες
- Μηχανική Μάθηση και Προηγμένοι Αλγόριθμοι Τεχνητής Νοημοσύνης - 30 πιστωτικές μονάδες (Υποχρεωτικό)
- Τεχνητή Νοημοσύνη στις Επιχειρήσεις: Κύκλος Ζωής Εφαρμοσμένης Ανάλυσης - 15 πιστωτικές μονάδες (Υποχρεωτικό)
- Ηθική, Ιδιωτικότητα και Ασφάλεια στην Επιστήμη Δεδομένων και την Τεχνητή Νοημοσύνη - 15 πιστωτικές μονάδες (Υποχρεωτικό)
- Οπτικοποίηση Δεδομένων, Όραση Υπολογιστή και Απεικόνιση - 30 μονάδες (Υποχρεωτικό)
- Μηχανική Δεδομένων για Τεχνητή Νοημοσύνη - 15 πιστωτικές μονάδες (Υποχρεωτικό)
- Γενετική Τεχνητή Νοημοσύνη και Μοντέλα Μεγάλης Γλώσσας (LLMs) - 15 πιστωτικές μονάδες (Υποχρεωτικό)
- Ατομικό Έργο Τεχνητής Νοημοσύνης - 60 πιστωτικές μονάδες (Υποχρεωτικό)
Παρακαλώ σημειώστε:
Τόσο τα βασικά όσο και τα προαιρετικά μαθήματα ενημερώνονται και αναθεωρούνται συνεχώς. Όπως συμβαίνει με τα περισσότερα ακαδημαϊκά προγράμματα, λάβετε υπόψη ότι είναι πιθανό ένα μάθημα να μην προσφέρεται σε κάποιο συγκεκριμένο έτος, για παράδειγμα, επειδή πολύ λίγοι φοιτητές το επιλέγουν. Το Πανεπιστήμιο Middlesex διατηρεί το δικαίωμα να τροποποιήσει ή να αποσύρει οποιοδήποτε μάθημα ή μάθημα.
Πού θα οδηγήσει την καριέρα σας το πτυχίο σας στο Ηνωμένο Βασίλειο
Το πρόγραμμα MSc στην Επιστήμη Δεδομένων και Τεχνητή Νοημοσύνη (MSc Data Science and Artificial Intelligence) εξοπλίζει τους αποφοίτους με προηγμένες τεχνικές δεξιότητες και ηθική βάση, προετοιμάζοντάς τους για ρόλους υψηλής ζήτησης στην Τεχνητή Νοημοσύνη και στις βιομηχανίες που βασίζονται σε δεδομένα. Με έμφαση στη βαθιά μάθηση, την γενετική Τεχνητή Νοημοσύνη (Generative AI), τη μηχανική δεδομένων και την υπεύθυνη Τεχνητή Νοημοσύνη, οι απόφοιτοι είναι έτοιμοι να αναλάβουν ρόλους με αντίκτυπο σε τομείς όπως η Μηχανική Τεχνητής Νοημοσύνης (AI), οι Πολυεπίπεδες Λύσεις (MLOPs), η Μηχανική Δεδομένων (Data Engineering), η Εφαρμοσμένη Μηχανική Μάθηση (Applied Machine Learning) και η Επιχειρηματική Τεχνητή Νοημοσύνη (Enterprise AI).
Οι ευκαιρίες περιλαμβάνουν εργασία σε καινοτόμους κλάδους που βασίζονται στην Τεχνητή Νοημοσύνη, συμβολή σε εθνικές πρωτοβουλίες όπως η Στρατηγική Τεχνητής Νοημοσύνης του Ντουμπάι για το 2031 ή περαιτέρω ερευνητική και ακαδημαϊκή σταδιοδρομία. Η ισχυρή έμφαση του προγράμματος σε επεκτάσιμα συστήματα Τεχνητής Νοημοσύνης και εφαρμογές στον πραγματικό κόσμο τοποθετεί τους αποφοίτους σε ηγετικές θέσεις σε ένα ταχέως εξελισσόμενο τεχνολογικό τοπίο.
Διδασκαλία
Τα μαθήματα πραγματοποιούνται στην πανεπιστημιούπολη του Dubai Knowledge Park από Δευτέρα έως Παρασκευή, μεταξύ 8:30 π.μ. και 5:30 μ.μ. Δεν έχουν προγραμματιστεί μαθήματα τις Παρασκευές μεταξύ 12:00 μ.μ. και 2:00 μ.μ. Ενδέχεται να προγραμματιστούν περιστασιακά μαθήματα τα Σαββατοκύριακα ή τις περιόδους αργιών, και μπορείτε να περιμένετε αρκετή ειδοποίηση για αυτά. Η παρακολούθηση προγραμματισμένων εβδομαδιαίων μαθημάτων αποτελεί σημαντική προϋπόθεση για την ολοκλήρωση του προγράμματος.
Οι μαθητές θα συμμετέχουν σε μια σειρά από προσεγγίσεις μάθησης, διδασκαλίας και αξιολόγησης. Τέτοιες προσεγγίσεις στοχεύουν να θέσουν τους μαθητές στο επίκεντρο της δικής τους μάθησης, έτσι ώστε να συμμετέχουν ενεργά σε όλες τις πτυχές. Το πρόγραμμα απαιτεί ενεργή συμμετοχή και συνεργασία με τους συμφοιτητές, συμπεριλαμβανομένης της εργασίας και της μάθησης ως μέρος μικρών ομάδων. Οι μαθησιακές δραστηριότητες μπορούν να πραγματοποιηθούν τόσο εντός όσο και εκτός τάξης.
Οι φοιτητές θα υποστηρίζονται από την τεχνολογία και το διδακτικό προσωπικό θα χρησιμοποιεί υπάρχουσες και αναδυόμενες τεχνολογίες για να αλληλεπιδρά με τους φοιτητές. Το πρόγραμμα μπορεί να διευκολυνθεί χρησιμοποιώντας μια ποικιλία διαδικτυακών εργαλείων (My Learning στο UniHub, podcasts, wikis κ.λπ.). Με την ενασχόληση με την ηλεκτρονική μάθηση, οι φοιτητές θα αναπτύξουν πρόσθετες δεξιότητες που εκτιμώνται ιδιαίτερα από τους εργοδότες. Αυτές περιλαμβάνουν την ευέλικτη εργασία, την επικοινωνία, την κατανόηση της πληροφορικής και την ομαδική εργασία.