帝国理工大学硕士申请（授课型）

 

专业介绍

人工智能

接受编程和人工智能基础方面的强化培训。

本硕士学位面向具有数学思维的 STEM 毕业生，提供编程和人工智能（AI）基础方面的强化培训。

除了学习这一不断发展的计算机科学领域所需的技术技能外，您还有机会通过小组和个人项目探索实际应用。

本课程让您有机会与大型技术公司建立联系，并参与行业发起的项目。

具有计算机专业背景的学生，如果希望在学习人工智能和机器学习专业课程的同时探索其他计算机领域，可以考虑我们的计算机（人工智能和机器学习）理学硕士学位。

课程安排

核心模块

您将学习所有这些核心模块。

机器学习入门

深入了解机器学习中存在的各类问题以及解决这些问题的基本算法。

Python 编程

了解 Python 的基础知识，学习如何用 Python 编写过程式、面向对象和函数式程序。

符号人工智能入门

学习如何将领域属性和代理架构的知识应用于符号人工智能问题的表示。

人工智能中的伦理、公平和解释

探讨人工智能决策中的伦理和哲学问题、公平和偏见以及合理解释的相关问题和影响。

软件工程小组项目

获得开发人工智能应用程序以及在设计和实施大型程序时使用软件工程技术的实践经验。

选修模块

除核心模块外，您还将选择五个选修模块：四个或全部五个模块必须来自第 1 组，零个或一个模块来自第 2 组。

第一组

计算机视觉

探索图像是如何形成的，如何在计算机上表示图像，以及计算机如何处理图像以提取语义信息。

强化学习

学习如何描述自主系统学习的核心原理，并利用强化学习理论计算问题的数学解决方案。

计算优化

深入了解最优决策模型、算法以及在工程、金融和机器学习中的应用。

机器学习数学

学习如何设计和实施现代统计机器学习方法以及推理机制。

人工智能战略推理的模态逻辑

培养将模态逻辑用于人工智能知识表示和自动推理的知识和实践技能。

基于逻辑的学习

深入了解基于逻辑的学习，从其关键的基础概念和原理开始，再到最新进展。

深度学习

探索深度学习的基本概念和先进方法，并将其与现实世界中的问题联系起来。

知识表示

了解为什么知识表示和推理是智能系统的重要组成部分，也是人工智能研究的核心。

概率推理

研究计算机如何利用概率做出决策，加深对推理网络以及统计模式识别中的线性和非线性方法的理解。

图像机器学习

探索图像机器学习的基本概念和先进方法，并将其与计算机视觉和医学图像分析中的实际问题联系起来。

自然语言处理

掌握设计和开发自然语言处理 (NLP) 组件和应用程序所需的技术和工具。

机器人学习

接触机器人学习这一新兴领域，了解机器人如何利用机器学习技术掌握技能并控制自己的身体。

机器人学

评估移动机器人这一令人兴奋的领域，因为最先进的机器人正开始走出研究实验室，开始处理现实世界中的任务。

人工智能风险投资

探索人工智能技术的应用，以改善或改造现有的金融、健康和其他系统。

计算神经动力学

在这一跨学科模块中，了解计算神经科学的理论基础以及模拟大脑智能行为所需工具的基本原理。

基于图的深度学习

了解广泛且不断扩展的图论和学习领域的各个方面，包括传统的图数据分析方法和新兴的图神经网络领域。

人机互动

探索机器人技术与人机交互的交叉点，涵盖这一令人兴奋的新领域中以用户为中心和用户研究的设计、数据分析和相关理论基础。

机器学习系统的软件工程

在本模块中，您将实施并运行一个基于机器学习的简化系统，该模块涵盖了可信系统的工程概念。研究系统的各个方面，包括数据摄取、用户体验、监管和更广泛的社会。

第二组

计算金融

了解定量金融和金融工程的基本概念，建立对金融领域主要决策、对冲和定价问题的认识。

分布式账本原理

分析分散式账本背后的基本原理，并将其应用到当前的加密货币研究中。

量子计算

探索量子计算的基本概念，了解量子比特、量子纠缠和量子算法。

统计信息论

本模块将计算、统计和几何联系起来，深入探讨信息论、统计学和机器学习之间的深层联系。包括数学和计算练习，为从事数据科学或机器学习提供重要的理论背景。

研究课题

在个人项目中展示独立性和独创性。

您将把整个课程中教授的一些技术付诸实践，并有机会开发一个重要的人工智能应用。

入学要求

数学、物理、工程学或其他含有大量数学内容的一等荣誉学位。

中国申请者必须已获得 "211 工程 "大学的学士学位，且最终总成绩达到 80% 或以上，方可被考虑录取。

博士研究生课程的申请人还必须持有硕士学位，且成绩在 80% 或以上。

英语要求：雅思7.0（各项小分6.5）托福iBT 100(各项小分22）

学费：41750英镑

此文章摘自学校官方网站：Artificial Intelligence MSc | Study | Imperial College London