Tufts University - School of Engineering

MSc στην Τεχνητή Νοημοσύνη

Το Τμήμα Επιστήμης Υπολογιστών και το Τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών προσφέρουν πτυχίο Master of Science στην Τεχνητή Νοημοσύνη, το οποίο μπορεί να ολοκληρωθεί σε πρόγραμμα πλήρους ή μερικής απασχόλησης.

Σχεδιασμένο για μαθητές με υπόβαθρο στην επιστήμη των υπολογιστών, στα μαθηματικά ή σε συναφές τεχνικό πεδίο, το πρόγραμμα σπουδών καλύπτει έννοιες και τεχνικές AI — συμπεριλαμβανομένης της μηχανικής μάθησης, της βαθιάς μάθησης, της επεξεργασίας φυσικής γλώσσας, της όρασης υπολογιστή και της αναπαράστασης γνώσης.

Το πρόγραμμα προσφέρει ένα βασικό πρόγραμμα σπουδών και κομμάτια ειδικά για το τμήμα για να βοηθήσει τους μαθητές να κατανοήσουν, να εφαρμόσουν και να αναπτύξουν ένα ευρύ φάσμα τεχνολογιών AI. Το πτυχίο απαιτεί τουλάχιστον 30 πιστωτικές μονάδες και την εκπλήρωση τουλάχιστον 10 μαθημάτων. όλα τα μαθήματα πρέπει να είναι στο επίπεδο 100 ή παραπάνω.

Βασικό πρόγραμμα σπουδών

Το βασικό πρόγραμμα σπουδών καλύπτει σε βάθος έννοιες στην τεχνητή νοημοσύνη, τη μηχανική μάθηση, την ηθική και τα μαθηματικά. Όλοι οι φοιτητές MS στην Τεχνητή Νοημοσύνη πρέπει να ολοκληρώσουν τα ακόλουθα τέσσερα μαθήματα:

Τεχνητή νοημοσύνη

• CS 131 Τεχνητή Νοημοσύνη

Εκμάθηση μηχανών

• CS 135 Εισαγωγή στη Μηχανική Μάθηση και Εξόρυξη Δεδομένων, ή
• EE 143/CS 144 Διαδραστικές Μέθοδοι στη Μηχανική Μάθηση

Ηθική

• CS 239 Ethics for AI, Robotics, and Human-Robot Interaction

Πιθανότητες, Στατιστική και Μαθηματικά

• EE 104 Ανάλυση Πιθανοτήτων Συστημάτων, ή
• Μαθηματικά 165 Πιθανότητα, ή
• Math 166 Statistics, ή
• EE 140 Στοχαστικές Διεργασίες, Ανίχνευση και Εκτίμηση

MSAI – Επιστήμη Υπολογιστών

Το κομμάτι MSAI – Computer Science εστιάζει στις αρχές και τις εφαρμογές της μηχανικής μάθησης και της τεχνητής νοημοσύνης από υπολογιστική προοπτική, με μεγάλη έμφαση στο ευρύτερο κοινωνικό πλαίσιο στο οποίο αναπτύσσονται και αναπτύσσονται οι τεχνολογίες AI.

Αυτό το κομμάτι απαιτεί ένα μάθημα για συγκεκριμένο κομμάτι, τέσσερα μαθήματα ευρείας τεχνητής νοημοσύνης και ένα γενικό μάθημα επιλογής. Καθώς υπάρχουν πολλά πιθανά μονοπάτια μέσω του προγράμματος, η επιλογή των μαθημάτων επιλογής είναι ευρεία και οι μαθητές θα επιλέξουν τα κατάλληλα μαθήματα με τη συμβουλή του συμβούλου τους. Τα μαθήματα επιλογής μπορεί να περιλαμβάνουν ένα πρόσθετο μάθημα ηθικής/κοινωνικού πλαισίου, εάν τόσο ο φοιτητής όσο και ο σύμβουλος πιστεύουν ότι είναι κατάλληλο.

Απαιτούμενα μαθήματα

• Ιδρύματα AI και Αναπαραστάσεις Γνώσης

Πλάτος επιλογής (Επιλογή τέσσερα)

• CS 119 Big Data
• CS 132 Computer Vision
• CS 133 Αλληλεπίδραση ανθρώπου-ρομπότ
• CS 136 Στατιστική Αναγνώριση Προτύπων
• CS 137 Deep Neural Networks
• CS 138 Ενισχυτική Μάθηση
• CS 141 Probabilistic Robotics for HRI
• CS 142 Network Science
• CS 143/EE 130 Κατανεμημένη ML και έλεγχος
• CS 157 Ειδικά θέματα στο AI
• CS 166 Βιολογία Υπολογιστικών Συστημάτων
• CS 167/BME 167 Υπολογιστική Βιολογία
• CS 168/EE 109 Convex Optimization ή CS 268/EE 159 Advanced Optimization
• CS 169 Στατιστική Βιοπληροφορική
• CS 236 Υπολογιστική Θεωρία Μάθησης
• Math 123 Μαθηματικές όψεις της ανάλυσης δεδομένων
• Έως και ένα επιπλέον μάθημα για την ηθική και τον κοινωνικό αντίκτυπο, όπως:
• CS 155 Ειδικά Θέματα στο Κοινωνικό Πλαίσιο των Υπολογιστών
• CS 182/DHP P236 Cyber στον πολιτικό τομέα: Απειλές και ανατροπές
• CS 183/DHP P237 Απόρρητο στην ψηφιακή εποχή
• CS 184/ILO 184 Cyberlaw and Cyberpolicy
• CS 185 Computing for Developing Regions
• EE 185 Κοινωνικές πτυχές του σχεδιασμού
• DS 143/ME 173 Data Science for Sustainability

Γενικά Επιλογή (Επιλέξτε ένα)

Οποιοδήποτε μάθημα CS, DS, EE ή Μαθηματικών με αριθμό 100 ή παραπάνω ή όπως έχει εγκριθεί από σύμβουλο.

Οι σπουδαστές που επιθυμούν να ολοκληρώσουν μια διπλωματική εργασία ή ένα έργο ορόσημο θα αντικαταστήσουν το γενικό μάθημα επιλογής, μαζί με ένα από την κατηγορία ευρείας τεχνητής νοημοσύνης, με την εν λόγω εργασία.

MSAI – Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών

Το κομμάτι MSAI – Electrical and Computer Engineering ενσωματώνει αρχές μηχανικής μάθησης και τεχνητής γενικής νοημοσύνης με εξειδικευμένες γνώσεις μηχανολογικού τομέα, καλύπτοντας τόσο τις θεμελιώδεις έννοιες όσο και τις έννοιες συστημάτων στο AI και τον τρόπο εφαρμογής αυτών των μεθόδων σε διάφορους τομείς.

Αυτό το κομμάτι απαιτεί ένα μάθημα για συγκεκριμένο κομμάτι, τέσσερα μαθήματα από μαθήματα θεωρίας/συστημάτων και δύο μαθήματα από μαθήματα επιλογής για συγκεκριμένο τομέα. Το κομμάτι θεωρία/συστήματα εστιάζει σε θεμελιώδεις και θεωρητικές πτυχές που περιλαμβάνουν βασικές έννοιες, τεχνικές, αλγόριθμους και μεθόδους και έννοιες μηχανικής συστημάτων που στοχεύουν στην ανάπτυξη εξειδικευμένου υλικού για την αποτελεσματική εκτέλεση σύγχρονων αλγορίθμων τεχνητής νοημοσύνης. Ο στόχος του κομματιού επιλογής για συγκεκριμένο τομέα είναι να εκθέσει τους μαθητές σε προκλήσεις τεχνητής νοημοσύνης σε πολλούς κλάδους.

Απαιτούμενο μάθημα

• EE 141 Αξιόπιστη και Υπεύθυνη AI

Θεωρία/Επιλογικά Μαθήματα Συστημάτων (Επιλογή τέσσερα)

• CS 136 Στατιστική Αναγνώριση Προτύπων
• CS 137 Deep Neural Networks
• CS 236 Υπολογιστική Θεωρία Μάθησης
• EE 109/CS 168 Convex Optimization ή EE 159/CS 268 Advanced Optimization
• ΕΕ 127 Θεωρία Πληροφοριών
• EE 130/CS 143 Κατανεμημένη ML και έλεγχος
• ΕΕ 140 Στοχαστικές Διεργασίες
• EE 152 Ενσωματωμένα συστήματα σε πραγματικό χρόνο
• EE 153 Δικτυωμένα Ενσωματωμένα Συστήματα
• ΕΕ 155 Παράλληλος Υπολογισμός
• EE 157 Emerging Memory Systems
• ΕΕ 193 Πιθανότητα υψηλών διαστάσεων
• EE 193 Hardware and Systems for Machine Learning
• Math 123 Μαθηματικές όψεις της ανάλυσης δεδομένων
• Πιθανολογική Μηχανική Μάθηση
• Αιτιώδης συμπέρασμα
• Δυναμικός Προγραμματισμός
• Γραφήματα Νευρωνικά Δίκτυα και Επεξεργασία Σήματος Γραφημάτων

Επιλογές για συγκεκριμένο τομέα (Επιλογή δύο)

• CS 119 Big Data
• CS 132 Computer Vision
• CS 133 Αλληλεπίδραση ανθρώπου-ρομπότ
• CS 138 Ενισχυτική Μάθηση
• CS 141 Probabilistic Robotics for HRI
• CS 142 Network Science
• CS 166 Βιολογία Υπολογιστικών Συστημάτων
• CS 167/BME 167 Υπολογιστική Βιολογία
• CS 169 Στατιστική Βιοπληροφορική
• ΕΕ 107 Συστήματα Επικοινωνίας
• EE 108 Ασύρματες Επικοινωνίες
• ΕΕ 114 Φυσική Ηλιακών Κυψελών
• ΕΕ 127/CS 149 Θεωρία Πληροφοριών
• ΕΕ 129 Δίκτυα Επικοινωνίας Υπολογιστών
• ΕΕ 193 Εύπεπτα Ηλεκτρονικά
• EE 247 Προηγμένη σχεδίαση IC αναλογικού και μικτού σήματος
• Καθοδηγούμενα από τη φυσική νευρωνικά δίκτυα
• Μοντέλα θεμελίωσης για εφαρμογές χωρίς κείμενο και χωρίς εικόνα
• Μεγάλα γλωσσικά μοντέλα

Τα τελευταία χρόνια, η επικράτηση της τεχνητής νοημοσύνης έχει εκτοξευθεί στα ύψη, με ένα ευρύ φάσμα βιομηχανιών να υιοθετούν την τεχνολογία AI. Το Γραφείο Στατιστικών Εργασίας των ΗΠΑ εκτιμά ότι ο τομέας αυξάνεται 28% ετησίως από το 2014. Ένα μεταπτυχιακό στην τεχνητή νοημοσύνη από το Πανεπιστήμιο Tufts θα σας δώσει ανταγωνιστικό πλεονέκτημα σε μια δυναμική αγορά εργασίας, επιτρέποντάς σας να βοηθήσετε να αναπτύξετε ένα υπεύθυνο μέλλον τεχνητής νοημοσύνης.

Οι απόφοιτοι του προγράμματος MS in AI θα είναι σε θέση να κατανοήσουν, να εφαρμόσουν και να αναπτύξουν ένα ευρύ φάσμα τεχνολογιών τεχνητής νοημοσύνης, με προσοχή στα υποκείμενα ηθικά και κοινωνικά πλαίσια. Οι απόφοιτοι θα είναι έτοιμοι να πάνε απευθείας τόσο στη βιομηχανία όσο και στην επιστήμη ή να συνεχίσουν να κάνουν προηγμένη έρευνα σε διδακτορικό επίπεδο.

Τι παίρνετε στα Tufts; Μια αυστηρή εκπαίδευση μηχανικής σε ένα μοναδικό περιβάλλον που συνδυάζει τους πνευματικούς και τεχνολογικούς πόρους ενός ερευνητικού πανεπιστημίου παγκόσμιας κλάσης με τα πλεονεκτήματα ενός κορυφαίου κολεγίου φιλελεύθερων τεχνών. Το Πανεπιστήμιο Tufts είναι ένα από τα κορυφαία ερευνητικά πανεπιστήμια της χώρας, κερδίζοντας μια ταξινόμηση "tier 1" από το Ίδρυμα Carnegie και μέλος της Ένωσης Αμερικανικών Πανεπιστημίων (AAU).