Доктор филозофије у машинском учењу

Doktor filozofiјe u mashinskom uchenju

Po zavrshetku programskih zahteva, student ћe moћi:

1. Steknite strogu matematichku pozadinu i napredne moguћnosti rasuђivanja kako biste iskazali sveobuhvatno i duboko razumevanje tsјevovoda na granitsi mashinskog uchenja: podatke, modele, algoritmichke printsipe i empiriјu.
2. Savladaјte niz veshtina i tehnika u preradbi podataka, istrazhivanju i vizuelizatsiјi statistichkih podataka, kao i slozhenih algoritamskih rezultata.
3. Osigurati kritichku svest o moguћnostima i ogranichenjima razlichitih oblika algoritama uchenja i sposobnosti kritichke analize, protsene i poboljshanja performansi algoritama uchenja.
4. Razviјaјte veshtine reshavanja problema eksperata kroz samostalnu primenu printsipa i metoda nauchenih u programu na razlichite slozhene probleme u stvarnom svetu.
5. Razviti duboko razumevanje statistichkih svoјstava i garantsiјa performansi, ukljuchuјuћi stope konvergentsiјe (u teoriјi i praksi) za razlichite algoritme uchenja.
6. Postanite struchnjak za korishћenje i rasporeђivanje programskih alata relevantnih za mashinsko uchenje za razlichite probleme mashinskog uchenja.
7. Poveћaјte sposobnost u identifikovanju ogranichenja postoјeћih algoritama mashinskog uchenja i sposobnosti kontseptualizatsiјe, dizaјniranja i primene inovativnog reshenja za niz veoma slozhenih problema za unapreђenje vrhunskog stanja u mashinskom uchenju.
8. Sposoban za pokretanje, upravljanje i kompletiranje istrazhivachkih rukopisa koјi pokazuјu struchno samovrednovanje i napredne veshtine u komunikatsiјi veoma slozhenih ideјa u vezi sa mashinskim uchenjem.
9. Steћi vrlo sofistitsirane veshtine u pokretanju, upravljanju i dovrshavanju vishestrukih izveshtaјa i kritika o proјektima o raznim metodama mashinskog uchenja, koјe demonstriraјu struchno razumevanje, samoevaluatsiјu i napredne veshtine u komunikatsiјi veoma slozhenih ideјa.

Minimalni zahtevi za doktorat. u Mashinskom uchenju јe 59 kredita, podeljenih na sledeћi nachin:

• Osnovni kursevi: 4 kursa (15 kreditnih sati)
• Izborni predmeti: 2 kursa (8 kreditnih sati)
• Istrazhivachka teza: 1 kurs (36 kreditnih sati)

Osnovni kursevi

Dr. u Mashinskom uchenju јe pre svega stepen baziran na istrazhivanju. Svrha kurseva јe da studente opremi odgovaraјuћim setom veshtina kako bi uspeshno realizovali svoј istrazhivachki proјekat (teza). Studenti su obavezni da pohaђaјu TsOM701, kao obavezan kurs. Oni mogu odabrati tri osnovna kursa iz kontsentratsionog bazena od osam na nizhe navedenoј listi:

Izborni predmeti

Studenti ћe izabrati naјmanje dva izborna predmeta, sa ukupno osam (ili vishe) kreditnih sati (Tsh) sa liste dostupnih izbornih predmeta na osnovu interesovanja, predlozhene istrazhivachke teze i perspektive kariјere, u dogovoru sa svoјim nadzornim odborom. Izborni predmeti dostupni za doktorate. u Mashinskom uchenju su navedeni u donjoј tabeli:

Istrazhivachka teza

Dr. teza izlazhe studente vrhunskim i nereshenim istrazhivachkim problemima u oblasti mashinskog uchenja, gde se od njih trazhi da predlozhe nova reshenja i znachaјno doprinesu polju znanja. Studenti sprovode nezavisnu istrazhivachku studiјu, pod voђstvom nadzornog odbora, u periodu od 3-4 godine.

Osnovni kursevi

Dr. u mashinskom uchenju јe prvenstveno diploma zasnovana na istrazhivanju. Svrha kursa јe da opremi studente sa odgovaraјuћim veshtinama, kako bi mogli uspeshno da ostvare svoј istrazhivachki proјekat (tezu). Od studenata se trazhi da polazhu TsOM701, kao obavezan kurs. Oni mogu da izaberu tri osnovna kursa iz grupe kontsentratsiјe od osam na listi koјa se nalazi u nastavku:

Izborni predmeti

Studenti ћe izabrati naјmanje dva izborna predmeta, sa ukupno osam (ili vishe) kreditnih sati (Tsh) sa liste dostupnih izbornih predmeta na osnovu interesovanja, predlozhene istrazhivachke teze i perspektive kariјere, u konsultatsiјi sa svoјim nadzornim panelom. Izborni predmeti dostupni za doktorat. u mashinskom uchenju su navedene u tabeli ispod:

Istrazhivachka teza

The Ph.D. teza izlazhe studente naјnoviјim i nereshenim istrazhivachkim problemima u oblasti mashinskog uchenja, gde se od njih zahteva da predlozhe nova reshenja i znachaјno doprinesu korpusu znanja. Studenti pohaђaјu samostalni istrazhivachki studiј, pod rukovodstvom nadzornog veћa, u traјanju od 3-4 godine.

Pregled TsS rangiranja

• 20. u oblasti veshtachke inteligentsiјe na TsS rang listi globalno
• 28. u oblasti ML na TsS rang listi globalno
• 27. u oblasti TsV-a na TsS rang listi globalno
• 24. u oblasti NLP-a na TsS rang listi globalno

Po završetku programskih zahteva, diplomirani će moći da:

1. Dobiti rigoroznu matematičku pozadinu i napredne sposobnosti rezonovanja kako biste izrazili sveobuhvatno i duboko razumevanje cevovoda na granici mašinskog učenja: podataka, modela, algoritamskih principa i empirije.
2. Savladajte niz veština i tehnika u preprocesiranju podataka, istraživanju i vizuelizaciji statistike podataka, kao i složenih algoritamskih ishoda
3. Imajte kritičku svest o mogućnostima i ograničenjima različitih oblika algoritama učenja i sposobnosti kritičke analize, procene i poboljšanja performansi algoritama učenja
4. Razvijajte veštine stručnog rešavanja problema kroz nezavisnu primenu principa i metoda naučenih u programu na različite složene probleme iz stvarnog sveta
5. Razviti duboko razumevanje statističkih svojstava i garancija učinka, uključujući stope konvergencije (u teoriji i praksi) za različite algoritme učenja
6. Postanite stručnjak za korišćenje i primenu alata za programiranje relevantnih za mašinsko učenje za razne probleme mašinskog učenja
7. Povećajte znanje u identifikovanju ograničenja postojećih algoritama mašinskog učenja i sposobnosti konceptualizacije, dizajniranja i primene inovativnog rešenja za razne veoma složene probleme za unapređenje stanja u mašinskom učenju
8. Sposoban da pokrene, upravlja i dovršava istraživačke rukopise koji demonstriraju stručnu samoevaluaciju i napredne veštine u komunikaciji veoma složenih ideja vezanih za mašinsko učenje
9. Dobiti visoko sofisticirane veštine u pokretanju, upravljanje, i završetak više izveštaja projekata i kritike o različitim metodama mašinskog učenja, koji pokazuje stručno razumevanje, samoevaluacija, i napredne veštine u komunikaciji veoma složene ideje

AI prožima svaku industriju. Na nedavnim događajima angažovanja poslodavaca u MBZUAI došlo je do zastupanja iz višestrukih sektora, uključujući (ali ne ograničavajući se na):

• Avijacija, konsultantske usluge, obrazovanje, energetika, finansije, vladini subjekti, zdravstvo, mediji, nafta i gas, bezbednost i odbrana, istraživački instituti, maloprodaja, telekomunikacije, transport i logistika i startupi.

Nedavne mogućnosti zapošljavanja koje se oglašavaju putem portala MBZUAI Studentske karijere uključuju (ali ne ograničavajući se na):

• Arhitekta rešenja AI, inženjer rešenja AI, algoritamski inženjer, analitičar podataka, inženjer podataka, naučnik podataka, konsultant za strategiju podataka, softverski inženjer punog steka, veb programer sa punim stekom, istraživač prediktivne analitike i viši naučnik podataka - konsultant.

Ostale mogućnosti za karijeru mogu uključivati (ali ne ograničavajući se na):

• Primenjeni naučnik, inženjer analitike, proširena/virtuelna stvarnost, autonomni automobili, biometrija i forenzika, glavni službenik za podatke, rukovodstvo platforme podataka, novinar podataka, specijalista tehničke prodaje podataka i AI, analitika rasta/inženjeri, menadžer: planiranje AI i usluga u oblaku, inženjeri mašinskog učenja, menadžer proizvoda: AI i analitika podataka, naučnik podataka o proizvodima, analitičar proizvoda, daljinsko istraživanje, asistenti istraživanja, sigurnost i nadzor, viši softverski inženjer i VP podaci.