Université Côte d’Azur (UniCA)

MSc στις Επιστήμες Δεδομένων και Τεχνητή Νοημοσύνη

Το πρόγραμμα «Επιστήμες Δεδομένων» είναι 2ετές MSc στο Université Côte d'Azur. Παρέχει εκπαίδευση σε μεθόδους επιστήμης δεδομένων, δίνοντας έμφαση στις προοπτικές των μαθηματικών και της επιστήμης των υπολογιστών. Οι μαθητές θα λάβουν μια ενδελεχή βάση στη θεωρία, καθώς και θα μάθουν τις τεχνικές και πρακτικές δεξιότητες της επιστήμης των δεδομένων, δίνοντάς τους τη δυνατότητα να εφαρμόσουν προηγμένες μεθόδους της επιστήμης δεδομένων για τη διερεύνηση ερωτήσεων του πραγματικού κόσμου. Τα βασικά μαθήματα θα παρέχουν στους φοιτητές μια ολοκληρωμένη κατανόηση ορισμένων από τις πιο θεμελιώδεις πτυχές των δεδομένων, των υπολογιστικών τεχνικών και της στατιστικής ανάλυσης. Στη συνέχεια, οι μαθητές θα επιλέξουν μαθήματα από μια σειρά προαιρετικών ενοτήτων που κυμαίνονται από Κατανεμημένους Υπολογιστές για Μεγάλα Δεδομένα και Στατιστικό Υπολογισμό έως Χρηματοοικονομική Στατιστική, Διοίκηση και Μάρκετινγκ. Το πρόγραμμα θα συνδυάζει παραδοσιακές διαλέξεις με συνεδρίες εργαστηρίου υπολογιστών, στις οποίες οι μαθητές θα εργαστούν με δεδομένα για να ολοκληρώσουν πρακτικές ασκήσεις χρησιμοποιώντας εργαλεία προγραμματισμού και θα αναλύσουν πραγματικά δεδομένα που παρέχονται από επαγγελματίες που εργάζονται στον κλάδο. Το MSc «Επιστήμη Δεδομένων» οδηγεί επίσης σε Ph.D. προγράμματα στον τομέα των εφαρμοσμένων μαθηματικών και της πληροφορικής.

Πρώτο εξάμηνο

Αναζωογονών

• Βασική Πιθανότητα
• Βασική Άλγεβρα για Ανάλυση Δεδομένων
• Βασικοί Αλγόριθμοι
• Μέθοδοι και εργαλεία για τεχνική και επιστημονική γραφή

Στατιστική

• Στατιστική θεωρία συμπερασμάτων

Εκμάθηση μηχανών

• Εισαγωγή στη Μηχανική Μάθηση
• Εισαγωγή στη Βαθιά Μάθηση
• Ηθικές πτυχές των δεδομένων

Προγραμματισμός

• R Προγραμματισμός για την Επιστήμη Δεδομένων
• Python Programming for Data Science
• Κατανεμημένα συστήματα μεγάλων δεδομένων

Εργαστήρι και Χυδαιοποίηση

• Εργαστήριο και χυδαιοποίηση

Δεύτερο εξάμηνο

Στατιστική μάθηση

• Εισαγωγή στη θεωρία της πληροφορίας
• Επιλογή Μοντέλου και Μέθοδοι Αναδειγματοληψίας
• Βελτιστοποίηση για Επιστήμη Δεδομένων

Εκμάθηση μηχανών

• Περισσότερα για τους αλγόριθμους εκμάθησης
• Περισσότερα για τη Βαθιά Μάθηση
• Web of Data

Προσωπική εργασία

• Μελέτες περιπτώσεων
• Πρακτική

Τρίτο Εξάμηνο

Υποχρεωτικά μαθήματα

• Μπεϋζιανή Μάθηση
• Στατιστική Μάθηση Βασισμένη σε Μοντέλα
• Προηγμένη Βαθιά Μάθηση
• Μάθηση Ενίσχυσης

Ερευνητικό πρόγραμμα

Ιατρικό κομμάτι

• Ιατρικές εικόνες
• Αντίστροφα προβλήματα στην επεξεργασία εικόνας
• Εφαρμογή της μηχανικής μάθησης σε μαγνητική τομογραφία, ηλεκτροεγκεφαλογραφία και διεπαφές εγκεφάλου-υπολογιστή
• Γεωμετρικές και τοπολογικές μέθοδοι στην ανάλυση δεδομένων, με εφαρμογές στη βιολογία και την ιατρική
• Βιοϊατρική Επεξεργασία Σήματος
• Μηχανική εκμάθηση για ενσωμάτωση multi-omics

Core AI Track

• Στατιστική Μάθηση σε Υψηλή Διάσταση
• Advanced Learning: λειτουργικά, μικτά και δεδομένα κειμένου
• Στατιστική Ανάλυση Γραφήματος (Δίκτυα)
• Deep Learning for Computer Vision
• Ομοσπονδιακή μάθηση - Απόρρητο δεδομένων
• Στατιστική Θεωρία Μάθησης

Τέταρτο Εξάμηνο

• Προσωπική προπόνηση

Στο τέλος του MSc DSAI οι φοιτητές μπορούν να εργαστούν σε εταιρείες ως ειδικοί ή μηχανικοί, στην ανάπτυξη, έρευνα και ανάπτυξη, συμβουλευτικές υπηρεσίες που σχετίζονται με την τεχνητή νοημοσύνη και τη μηχανική μάθηση και την επεξεργασία δεδομένων. Μπορούν επίσης να συνεχίσουν την εκπαίδευσή τους με διδακτορική διατριβή που μπορεί να πραγματοποιηθεί είτε σε εργαστήριο ακαδημαϊκής έρευνας είτε σε εταιρεία, για παράδειγμα με σύμβαση CIFRE.

Εγγραφείτε στην αγορά εργασίας:

• Αναλυτής δεδομένων
• Εξόρυξη δεδομένων
• Επιστήμονας δεδομένων
• Chief Data Officer
• Μηχανικός μάθησης μηχανών
• Μεγάλος μηχανικός δεδομένων
• Μεγάλος αρχιτέκτονας δεδομένων
• Ειδικός στην οπτικοποίηση δεδομένων

Συνέχεια στο PhD

• Διδακτορικό στο δημόσιο ή ιδιωτικό τομέα