Docteur en Philosophie en Machine Learning - Intelligence Artificielle
Abu Dhabi, Émirats arabes unis
DURÉE
4 Years
LANGUES
Anglais
RYTHME
À plein temps
DATE LIMITE D'INSCRIPTION
15 Jan 2025
DATE DE DÉBUT AU PLUS TÔT
Aug 2025
FRAIS DE SCOLARITÉ
Demander des frais de scolarité
FORMAT D'ÉTUDE
Sur le campus
* pas de frais de scolarité + bourse
Introduction
L'étude scientifique des algorithmes et des modèles statistiques que les systèmes informatiques utilisent pour effectuer efficacement une tâche spécifique sans utiliser d'instructions explicites, en s'appuyant plutôt sur des modèles et des inférences. Ces algorithmes sont basés sur des modèles mathématiques appris automatiquement à partir des données, permettant ainsi aux machines d'interpréter et d'analyser intelligemment les données d'entrée pour en tirer des connaissances utiles et arriver à des conclusions importantes. L'apprentissage automatique est largement utilisé pour les applications d'entreprise (par exemple, la veille économique et l'analyse), la recherche efficace sur le Web, la robotique, les villes intelligentes et la compréhension du génome humain.
Statistiques des anciens élèves
Admissions
Curriculum
Des cours de base
doctorat en Machine Learning est principalement un diplôme basé sur la recherche. Le but des cours est de doter les étudiants des compétences adéquates, afin qu'ils puissent mener à bien leur projet de recherche (thèse). Les étudiants sont tenus de suivre COM701, comme cours obligatoire. Ils peuvent sélectionner trois cours de base à partir d'un pool de concentration de huit dans la liste fournie ci-dessous:
| Code | Titre de cours | Heures de crédit |
| COM701 | Communication et diffusion de la recherche | 3 |
| ML701 | Apprentissage automatique | 4 |
| ML702 | Apprentissage automatique avancé | 4 |
| ML703 | Inférence probabiliste et statistique | 4 |
| ML704 | Paradigmes d'apprentissage automatique | 4 |
| ML705 | Sujets en apprentissage automatique avancé | 4 |
| ML706 | Inférence probabiliste et statistique avancée | 4 |
| AI701 | Intelligence artificielle | 4 |
| AI702 | L'apprentissage en profondeur | 4 |
Cours au choix
Les étudiants choisiront un minimum de deux cours au choix, avec un total de huit (ou plus) heures de crédit (CH) à partir d'une liste de cours au choix disponibles en fonction de l'intérêt, de la thèse de recherche proposée et des perspectives de carrière, en consultation avec leur comité de supervision. Les cours au choix disponibles pour le doctorat. dans Machine Learning sont répertoriés dans le tableau ci-dessous :
| Code | Titre de cours | Heures de crédit |
| MTH701 | Fondements mathématiques de l'intelligence artificielle | 4 |
| MTH702 | Optimisation | 4 |
| CS701 | Programmation avancée | 4 |
| CS702 | Structures de données et algorithmes | 4 |
| DS701 | Exploration de données | 4 |
| DS702 | Traitement des mégadonnées | 4 |
| CV701 | Vision humaine et informatique | 4 |
| CV702 | Géométrie pour la vision par ordinateur | 4 |
| CV703 | Reconnaissance et détection visuelles d'objets | 4 |
| PNL701 | Traitement du langage naturel | 4 |
| PNL702 | Traitement avancé du langage naturel | 4 |
| PNL703 | Traitement de la parole | 4 |
| HC701 | Imagerie médicale : physique et analyse | 4 |
Thèse de recherche
Le doctorat La thèse expose les étudiants à des problèmes de recherche de pointe et non résolus dans le domaine de l'apprentissage automatique, où ils sont tenus de proposer de nouvelles solutions et de contribuer de manière significative à l'ensemble des connaissances. Les étudiants poursuivent une étude de recherche indépendante, sous la direction d'un comité de supervision, pour une période de 3-4 ans.
| Code | Titre de cours | Heures de crédit |
| ML799 | doctorat Thèse de recherche | 36 |
Galerie
Classements
Classements CS en un coup d'œil
- 18ème dans le domaine de l'IA dans le classement CS mondial
- 28e dans le domaine du ML dans le classement CS mondial
- 16ème dans le domaine du CV dans le classement CS mondial
- 19ème dans le domaine de la PNL dans le classement CS mondial
Résultat du programme
Après avoir satisfait aux exigences du programme, le diplômé sera capable de :
- Obtenir une formation mathématique rigoureuse et des capacités de raisonnement avancées pour exprimer une compréhension complète et approfondie des pipelines à la frontière de l'apprentissage automatique : données, modèles, principes algorithmiques et empiriques.
- Maîtriser un éventail de compétences et de techniques en matière de prétraitement des données, d'exploration et de visualisation des données et des statistiques ainsi que des résultats algorithmiques complexes.
- Avoir une conscience critique des capacités et des limites des différentes formes d'algorithmes d'apprentissage et être capable d'analyser, d'évaluer et d'améliorer les performances des algorithmes d'apprentissage de manière critique.
- Développer des compétences expertes en matière de résolution de problèmes en appliquant de manière indépendante les principes et les méthodes appris dans le cadre du programme à divers problèmes complexes du monde réel.
- Développer une compréhension approfondie des propriétés statistiques et des garanties de performance, y compris les taux de convergence (en théorie et en pratique) pour différents algorithmes d'apprentissage.
- Devenir un expert dans l'utilisation et le déploiement d'outils de programmation liés à l'apprentissage automatique pour une variété de problèmes d'apprentissage automatique.
- Une compétence accrue dans l'identification des limites des algorithmes d'apprentissage automatique existants et la capacité à conceptualiser, concevoir et mettre en œuvre une solution innovante pour une variété de problèmes très complexes afin de faire progresser l'état de l'art en matière d'apprentissage automatique.
- Capable d'initier, de gérer et de terminer des manuscrits de recherche qui démontrent une auto-évaluation experte et des compétences avancées dans la communication d'idées très complexes liées à l'apprentissage automatique.
- Acquérir des compétences très pointues en matière de lancement, de gestion et d'achèvement de plusieurs rapports de projet et de critiques sur une variété de méthodes d'apprentissage automatique, qui démontrent une compréhension experte, une auto-évaluation et des compétences avancées en matière de communication d'idées très complexes.
Opportunités de carrière
L'IA s'infiltre dans tous les secteurs d'activité. Lors des récents événements d'engagement des employeurs au MBZUAI, il y a eu une représentation de multiples secteurs, y compris (mais sans s'y limiter) :
- Aviation, conseil, éducation, énergie, finance, entités gouvernementales, soins de santé, médias, pétrole et gaz, sécurité et défense, instituts de recherche, commerce de détail, télécommunications, transport et logistique, et start-ups.
Les récentes offres d'emploi publiées sur le portail des carrières étudiantes du MBZUAI comprennent (sans s'y limiter)
- Architecte de solutions d'IA, ingénieur de solutions d'IA, ingénieur algorithmique, analyste de données, ingénieur de données, scientifique de données, consultant en stratégie de données, ingénieur logiciel full stack, développeur web full stack, chercheur en analyse prédictive, et scientifique de données senior - consultant.
D'autres opportunités de carrière pourraient inclure (mais sans s'y limiter) :
- Scientifique appliqué, ingénieur analytique, réalité augmentée/virtuelle, voitures autonomes, biométrie et criminalistique, chief data officer, data platform leadership, data journalist, data and AI technical sales specialist, growth analytics / engineers, manager : AI and cloud services planning, machine learning engineers, product manager : AI et analyse de données, scientifique des données de produits, analyste de produits, télédétection, assistants de recherche, sécurité et surveillance, ingénieur logiciel senior et vice-président des données.