Master in Artificial Intelligence

Yleistä

Ohjelman kuvaus

Master in Artificial Intelligence

Verkkomies keinotekoisessa älykkyydessä

Keinotekoisen älykkyyden maisteri syntyy UPC: lle ominaisen laajan tekniikkakoulutuksen ja tutkimuksen kokemuksen yhdistymisen seurauksena, jota tukee tunnustus ja akkreditoinnit, joita sillä on sekä kansallisella että kansainvälisellä tasolla; ja kokemusta OBS : n verkkokoulutuksesta, johon liittyy teknologia- ja yritystoimintaa.

Master of Artificial Intelligence antaa opiskelijoille mahdollisuuden tuntea AI: n käsitteet ja tarvittavat elementit teoreettisesta käytännöllisestä näkökulmasta voidakseen menestyksekkäästi toteuttaa hankkeita tällä alueella.

Masterissa opiskelijat sukeltavat viiteen suureen lohkoon:

  • Kenttä I. Perusteet: AI: hen liittyvät keskeiset käsitteet annetaan samoin kuin kaikki tämän termin kattamat tekniikat.
  • Lohko II Koneoppimisen ja neuroverkkojen mallien kehittäminen: Koneoppimiseen ja neuroverkkoihin perustuvia malleja ja niiden käytännön käyttöä syvennetään. Tähän sisältyy mallien optimointi ja myöhempi arviointi.
  • Lohko III Tärkeimmät AI-arkkitehtuurit: AI-mallien kehittämisen markkinoiden tärkeimpiä nykyisiä puitteita syvennetään.
  • Lohko IV AI-hankkeiden toteuttaminen: AI-tekniikoihin liittyvien hankkeiden kehitys- ja hallintovaiheita sekä niiden toteuttamisprosessia käsitellään.
  • Lohko V. AI: n yrityssovellukset ja sen liiketoimintavaikutus: AI: n tärkeimmät liiketoimintasovellukset esitellään samoin kuin niiden vaikutukset, sekä liiketoiminnalliselta että teknologiselta kannalta.

On tärkeää korostaa, että ohjelman erityisen käytännöllinen luonne antaa opiskelijalle mahdollisuuden soveltaa välittömästi maisterintutkinnon aikana hankittua tietoa.

uramahdollisuuksia

Kun ohjelma on suoritettu loppuun, opiskelijat voivat toimia seuraavissa tehtävissä:

  • ID-kehitysryhmän päällikkö eri aloilla.
  • AI: hen erikoistunut yrityskonsultti.
  • AI: hen erikoistunut tekninen konsultti.
  • Vastuu IA-hankkeista.
  • Asiantuntija AI-järjestelmien kehittämisessä.

tavoitteet

Mikä on AI ja mitkä ovat sen eri sovellukset? Mitkä huipputeknologiat ja -ominaisuudet ovat tarpeen AI: n kilpailuetujen luomiseksi? Mikä on sen mahdollinen vaikutus yrityksiin ja yhteiskuntaan? Mitä riskejä koneoppimiseen perustuvissa oppimismalleissa on? Mikä on AI: n ja Big Data: n välinen suhde? Mitkä keskeiset elementit tulisi ottaa huomioon AI-hankkeiden johtamisessa organisaatiossa?

Keinotekoisen älykunnan maisteri auttaa sinua vastaamaan kaikkiin näihin kysymyksiin yhdistämällä tärkeimpiin tekniikoihin liittyvät käsitteet ja soveltamalla näitä liiketoiminnan tasolla. Eri todellisten tapausten analysointi ja oman projektisi kehittäminen antavat sinulle mahdollisuuden määritellä AI-tekniikoiden todellisuus sekä niiden soveltaminen liiketoiminnan tarpeiden tukemiseen.

Yleinen tavoite

Keinotekoisen älykkyyden maisterin päätavoitteena on tuoda AI: n perusteet lähemmäksi kaikkia niitä ammattilaisia, jotka näkevät kuinka koneenoppimissovellukset, niiden aloilla, muuttavat tapaa, jolla ne hallitsevat liiketoimintamalleja. Tämän ohjelman kautta opiskelijat saavat tarvittavan teknisen tietämyksen AI-projektien johtamiseen.

Erityiset tavoitteet

Keinotekoisen älykunnan maisterin opetussuunnitelma on suunniteltu seuraavien erityistavoitteiden saavuttamiseksi:

  • Syventää AI: n perusteita ja avainkäsitteitä sekä liiketoimintaongelmien ratkaisemiseksi käytettyjä menetelmiä ja tekniikoita.
  • Tunnetaan koneoppimiseen liittyvät tärkeimmät algoritmit ja työkalut, jotta pystyt toteuttamaan ne ongelmien ratkaisemisessa ilman aiempaa ohjelmointitietoa.
  • Kehitä AI-malleja käyttämällä markkinoilla olevia tärkeimpiä työkehyksiä.
  • Kehitä käytännöllisiä AI-sovelluksia, kuten virtuaaliassistentteja ja chatboteja. Kyky johtaa AI-hankkeita teknisen ja johtamisen lisäksi kehittämällä monitieteisiä profiileja, jotka osaavat yhdistää ja yhdistää erilaisia liiketoiminta-alueita ja teknologisia käytäntöjä.
  • Ymmärrä AI: n strategiset vaikutukset kehittämällä liikeidea maksimoidaksesi sijoitetun pääoman tuoton.
  • Ymmärrä AI: n sovellukset eri toimialoilla ja syventä käyttötapauksia, joilla on suurin liiketoimintavaikutus.

opetussuunnitelma

Lohko I. AI: n perusteet

IA tasoituskurssi

Samanaikaisesti moduulin 1 kanssa opiskelijat aloittavat tekoälyohjelman tällä tasoituskurssilla, joka tarjoaa ohjelmoinnin, algoritmien ja matematiikan tietopohjat. Tällä kurssilla opiskelijat löytävät aineelliset resurssit, joiden avulla he voivat syventyä kurssin seurantaan tarvittaviin eri aiheisiin. Tällä kurssilla he suorittavat testityyppikokeet, jotka toimivat oppaana heidän tietämyksensä arvioimiseksi ja arvioidaan sen lopussa. Käsiteltävät aiheet ovat:

  • AI: n perusteet.
  • Johdanto ohjelmointiin.
  • Johdatus algoritmeihin AI: ssä.

Moduuli 1. AI: perusteet ja pääteknologiat

Tässä moduulissa opiskelija tulee AI: n maailmaan ja sen soveltamiseen liiketoiminnassa keskittyen mm.

  • AI: n keskeiset käsitteet.
  • Tärkeimmät AI-tekniikat.
  • "Tietovetoinen" organisaatio.
  • AI-projektien toteuttamisen perusteet ja niiden ero perinteisen IT-toteutuksen kanssa.

Moduuli 2. AI: n sosioekonomiset vaikutukset

Tässä moduulissa opiskelija hankkii integroidun näkemyksen AI-käsitteestä nykyisessä sosioekonomisessa tilanteessa. Tässä opiskelija näkee aiheita, kuten:

  • AI: n ja teollisuuden taloudelliset vaikutukset 4.0.
  • AI: n vaikutus ihmisiin: eettiset, sosiaaliset ja oikeudelliset näkökohdat.
  • AI-hyväksymis- ja kypsyysmalli organisaatioissa. IA-kypsyysmallit organisaation paikannusvälineenä.
Lohko II Koneoppimismallien ja hermoverkkojen suunnittelu ja kehittäminen

Moduuli 3. Johdanto koneoppimiseen: tiedot ja algoritmit

Tämä moduuli esittelee opiskelijalle koneoppimisen, tarjoamalla nuo avainkäsitteet heidän oikean ymmärtämisen kannalta. Tässä näet aiheita, kuten:

  • Keskeiset koneoppimiskonseptit.
  • Tietojen merkitys.
  • Tietojen laatu ja hallinto.
  • Koneoppimisen algoritmit: riskit ja rajoitukset.

Moduuli 4. Koneoppimallit: optimointi ja sovellukset

Tämä moduuli tarjoaa avaimet koneoppimallien tulosten optimoimiseksi, samalla kun se käsittelee prosessia, joka liittyy riskien minimointiin AI-pohjaisten sovellusten luomisessa. Aiheet, joita käsitellään, ovat:

  • Mallien optimointi.
  • Tietojen laatu vankkaan analytiikkaan.
  • Koneoppimiseen perustuvien sovellusten luominen.

Moduuli 5. Neuraaliverkot

Koko tämän viidennen moduulin aikana opiskelija tulee hermostoverkkojen maailmaan ja näkee aiheita, kuten:

  • Tyypillisiä arkkitehtuureja
  • Syvävahvistettu oppiminen.
  • Neuraaliverkon koulutus: TensorFlow-leikkikenttä.
Lohko III Tärkeimmät AI-arkkitehtuurit

Moduuli 6. AI-kehykset

Tässä moduulissa opiskelija näkee markkinoilla tällä hetkellä olemassa olevat tärkeimmät AI-puitteet. Niitä ovat:

  • Kehykset avoimen lähdekoodin.
  • Google IA -kehys.
  • Microsoftin kognitiivisten palveluiden kehys.
  • Amazon IA Services Framework.
  • IBM Watson Framework
Lohko IV AI-hankkeiden toteuttaminen

Moduuli 7. AI-hankkeiden toteutus (I): metodologia

Tässä lohkon 4 ensimmäisessä osassa opiskelija näkee metodologiset näkökohdat AI-hankkeiden ohjaamisessa ja toteuttamisessa. Aiheet, joita käsitellään, ovat:

  • ML-menetelmä: CRISP-DM.
  • Sisällön elinkaari.
  • AIOps.
  • Regressiotestit.
  • Palaute ja ylläpito.
  • Uudelleenkäyttö ja uudelleenkoulutus.
  • Tapaukset ja käytännön esimerkit.

Moduuli 8. AI (II) -hankkeiden toteuttaminen: aineelliset ja henkilöresurssit

Tässä kappaleen toisessa osassa opiskelija keskittyy AI-hankkeiden ohjaamiseen ja toteuttamiseen aineellisten ja henkilöresurssien näkökulmasta. Tässä mielessä jotkut kohdat, joita käsitellään moduulissa, ovat:

  • Aineelliset resurssit.
    • Varastointi.
    • Computing.
    • Taloudelliset mallit
    • Pilviinfrastruktuuri
    • Työkalut.
  • Henkilöstö Erityiset profiilit ja vaikutus perinteisiin profiileihin.
Lohko V. AI: n yrityssovellukset ja niiden liiketoiminnan vaikutukset

Moduuli 9. AI: n yrityssovellukset ja niiden vaikutukset liiketoimintaan

Tämä moduuli esittelee opiskelijaa AI: n tärkeimmistä liiketoimintasovelluksista. Joitakin käsiteltäviä aiheita ovat:

  • Älykäs vuorovaikutus: asiakaskokemuksen optimointi hyperpersonalisoinnin, keskusteluliittymien ja reaaliaikaisen tiedon hyödyntämisen avulla.
  • Älykkäät tuotteet ja palvelut: AI: n tarjoamat ominaisuudet ja uusien liiketoimintamallien ja markkinoiden etsiminen.
  • Älykkäät toiminnot: AI: n ja automaatioratkaisujen yhdistelmä itsensä oppimisen mahdollistamiseksi.
  • Älykkäät yritystukitoiminnot (turvallisuus, henkilöstöhallinto, tekniikka jne.): AI: n käyttö parantaa ihmisten älykkyyttä ja parantaa päätöksentekoa.

Moduuli 10. Asiakaspohjaiset AI-mallit

Ohjelman viimeisessä moduulissa AI: n sovelluksia asiakassuhdeprosesseihin syvennetään. Jotkut moduulin kohdat ovat seuraavat:

  • Nähtävyys: Sosiaaliset verkostot ja maksettu media.
  • Kokemus: Sisällön räätälöinti ja asiakasmatka.
  • Myynti: Myynti ja ristimyynti.
  • Palvelu: chatbotit ja älykkäät avustajat.

lopullinen pääprojektissa

Final Master Projektin (PFM) aikana opiskelija työskentelee käsi kädessä todellisen yrityksen kanssa projektin kehittämisessä. Tällä on mahdollisuus tehdä se omassa yrityksessäsi tai valita koulun ehdottamista vaihtoehdoista.

työpajat

Keinotekoisen älykkyyden maisterin aikana opiskelijalla on mahdollisuus käydä 2 käytännön työpajaa, jotka on jaettu teknologiseen työpajaan ja yritysseminaariin.

Tekninen työpaja Python-kielisovellus

Tämä työpaja nostaa tasoituskurssilla esiteltyä perustietoa Pythonista edistäen tietämystä tämän ohjelmointikielen soveltamisesta. Koko tämän työpajan aikana opiskelijat hankkivat käytännön näkemyksen yleisimmin käytetyn ohjelmointikielen soveltamisesta keinoälyn ja koneoppimisen alalla: Python.

Python on keinotekoisen älykkyyden ympäristöissä käytettävä viiteohjelmointikieli helppokäyttöisyytensä, monipuolisuutensa ja käytettävissä olevien kirjastojen suuren määrän vuoksi. Tämän kielen käytön kasvu on ollut mahtavaa, kiitos pohjimmiltaan datatieteen ja koneoppimisen uusille tekniikoille.

Huomaa: Tämän työpajan toteuttamiseksi on välttämätöntä, että sinulla on tietoa ohjelmoinnista.

Liiketoiminnan työpaja Big Data -projektien vaikutusmahdollisuuksien parantaminen koneoppimisen avulla

Koneoppiminen vaatii suuria määriä tietoja voidakseen toimia ja kouluttaa käyttämiänsä algoritmeja. Tässä työpajassa opiskelijat näkevät koneoppimisen eri käyttökohteet Big Data -ympäristössä. Lisäksi tämä työpaja antaa opiskelijoille mahdollisuuden hallita kuinka AI liittyy Big Data -sovellukseen. Kuinka sovellamme koneoppimista Big Data -sovelluksessa? Kuinka voimme löytää malleja tiedoista koneoppimisen avulla? Mitä sovelluksia sinulla on yritystasolla?

Koska se on käytännöllinen työpaja, opiskelijat työskentelevät esimerkkinä digitaalisen markkinoinnin käyttötapauksessa. Erityisesti näet kuinka digitaalisen median ohjelmallinen hankinta tapahtuu tänään ja kuinka se voidaan optimoida käyttämällä koneoppimistekniikoita yhdistettynä Big Data -ympäristöihin. Tällä tavoin näet liiketoiminnan hyödyn, jonka tämä tekniikan yhdistelmä tuo, ja kuinka ekstrapoloida se muihin prosesseihin.

Työkalut

Ohjelman aikana opiskelijat käyttävät muun muassa seuraavia työkaluja:

Python-ohjelmisto

Ohjelmisto, joka mahdollistaa ohjelmoinnin Python-kielellä. Se on yksi yleisimmin käytetyistä ohjelmointikieleistä. Se on multiparadigma-kieli.

R-ohjelmisto

Eri työkalujen integroima ohjelmointiohjelmisto, joka voidaan laajentaa lataamalla erilaisia paketteja, kirjastoja tai omia näytteitä. Se on avoimen lähdekoodin.

Virtakiristin

Vapaa ohjelmistokirjasto, jota käytetään suorittamaan numeeriset laskelmat vuokaavioilla.

PyTorch

Python-paketti, joka on suunniteltu suorittamaan numeeriset laskelmat jännitysohjelmoinnin avulla.

CNTK (Microsoftin kognitiivinen työkalupakki)

Syväan hermoverkkoihin perustuva syvän oppimisen kirjasto. Tämä perustuu laskennalliseen verkkorakenteeseen, joka on yhtenäinen kehys erityyppisten oppikoneiden kuvaamiseksi, kuten syvät hermoverkot, konvoluutiohermosverkot, toistuvat hermoverkot jne.

APIS-palvelut (Amazon)

AWS-palvelu, jonka avulla voit luoda, julkaista, ylläpitää, valvoa ja suojata REST- ja WebSocket-sovellusliittymiä missä tahansa mittakaavassa.

Master-vaatimukset

Opiskelijaprofiili ja pääsyvaatimukset

Master-moduulit on suunniteltu eri alojen ammattilaisten kanssa, jotka pyrkivät nopeuttamaan ammatillisen uransa kehitystä ja ymmärtämään AI: n hankkiman roolin liiketoimintaympäristössä. OBS : n keinotekoisen älykkyyden maisteriin pääsyä koskevat vaatimukset ovat seuraavat:

  • Tutkinnon suorittaneet ja valmistuneet tekniikan, ADE: n ja luonnontieteiden (lääketiede, matematiikka, fysiikka tai kemia) alalta.
  • Johtajat, jotka haluavat uppoutumisen liiketoiminnan vaikutuksiin ja näiden tekniikoiden avaamiin uusiin mahdollisuuksiin, tunnistavat tarvittavat elementit niiden soveltamiseksi todellisissa tuotantoympäristöissä.
  • Projektipäälliköt ja johtajat, jotka haluavat laajentaa johtamisvalmiuksiaan toteuttaa AI: hen liittyviä projekteja.
  • Ihmiset, joilla on kokemusta tai ammattia AI: n alueella ja jotka haluavat vahvistaa akateemista koulutustaan.
  • AI-alan konsultit ja asiantuntijat, jotka haluavat laatia, päivittää ja täydentää profiiliaan, heikentäen siten heidän kilpailuasemaansa markkinoilla.
titraus

Ohjelman suoritettuaan opiskelijat saavat:

  • Kolmen pisteen otsikko.
  • UPC: n akkreditoima oma tutkinto, jos yliopiston vaatimukset täyttyvät ohjelman lopussa.
Viimeksi päivitetty Marraskuu 2019

Oppilaitoksesta

OBS Business School nace en 2006 como la primera escuela de negocios 100% online en lengua española. Se funda en el entorno del Grupo Planeta, líder mundial en la publicación de contenidos para el mer ... Lue lisää

OBS Business School nace en 2006 como la primera escuela de negocios 100% online en lengua española. Se funda en el entorno del Grupo Planeta, líder mundial en la publicación de contenidos para el mercado de habla hispana y con un importante know-how en e-learning, con la colaboración del partner estratégico: Näytä vähemmän
Barcelona , Madrid + 1 More Vähemmän