Doktor i filosofi i maskinlæring Mohamed bin Zayed University of Artificial Intelligence - MBZUAI

Doktor i filosofi i maskinlæring

Efter afslutningen af programkravene vil kandidaten være i stand til:

1. Opnå streng matematisk baggrund og avancerede resonnementskapaciteter for at udtrykke en omfattende og dyb forståelse af rørledningerne ved grænsen til maskinlæring: data, modeller, algoritmiske principper og empirik.
2. Beher en række færdigheder og teknikker til dataforarbejdning, udforskning og visualisering af datastatistikker samt komplekse algoritmiske resultater.
3. Ha en kritisk bevidsthed om evnerne og begrænsningerne i de forskellige former for indlæringsalgoritmer og evnen til kritisk at analysere, evaluere og forbedre udførelsen af indlæringsalgoritmerne.
4. Væk ekspert til problemløsning ved at anvende de principper og metoder, der læres i programmet, uafhængigt af forskellige komplekse problemer i den virkelige verden.
5. Udvikle en dyb forståelse af statistiske egenskaber og ydelsesgarantier, herunder konvergensrater (i teori og praksis) for forskellige læringsalgoritmer.
6. Bliv ekspert i at bruge og distribuere relevante programmeringsværktøjer til maskinlæring til forskellige maskinlæringsproblemer.
7. Væksk færdigheder i at identificere begrænsningerne i eksisterende maskinlæringsalgoritmer og evnen til at konceptualisere, designe og implementere en innovativ løsning til en række meget komplekse problemer for at fremme den nyeste teknik inden for maskinlæring.
8. I stand til at initiere, styre og gennemføre forskningsmanuskripter, der demonstrerer ekspertens egenevaluering og avancerede færdigheder til at kommunikere meget komplekse ideer relateret til maskinlæring.
9. Opnå meget sofistikerede færdigheder i at iværksætte, styre og gennemføre flere projektrapporter og kritikker om en række forskellige maskinlæringsmetoder, der demonstrerer ekspertforståelse, selvevaluering og avancerede evner til at kommunikere meget komplekse ideer.

Minimumskravene til ph.d. i maskinlæring er 59 kreditter fordelt på følgende måde:

• Grundkurser: 4 kurser (15 kredittimer)
• Valgfrie kurser: 2 kurser (8 kredittimer)
• Forskningsproces: 1 kursus (36 kredittimer)

Kernekurser

Ph.D. in Machine Learning er primært en forskningsbaseret grad. Formålet med kurser er at udstyre studerende med det rigtige færdighedsæt, så de med succes kan gennemføre deres forskningsprojekt (speciale). Studerende er forpligtet til at tage COM701, som et obligatorisk kursus. De kan vælge tre kernekurser fra en koncentrationspulje på otte på nedenstående liste:

Valgfrie kurser

Studerende vælger mindst to valgfrie kurser med i alt otte (eller flere) kredittimer (CH) fra en liste over tilgængelige valgfrie kurser baseret på interesse, foreslået forskningstese og karriereperspektiver i samråd med deres kontrolpanel. Valgfrie kurser til rådighed til ph.d. i Machine Learning er vist i nedenstående tabel:

Forskningsprojekt

Ph.D. speciale udsætter de studerende for banebrydende og uløste forskningsproblemer inden for maskinlæring, hvor de er forpligtet til at foreslå nye løsninger og i betydelig grad bidrage til viden. Studerende forfølger en uafhængig forskningsundersøgelse under vejledning af et kontrolpanel i en periode på 3-4 år.

Kernekurser

Ph.D. i Machine Learning er primært en forskningsbaseret grad. Formålet med kurser er at udstyre eleverne med de rigtige færdigheder, så de med succes kan gennemføre deres forskningsprojekt (afhandling). Studerende er forpligtet til at tage COM701, som et obligatorisk kursus. De kan vælge tre kernekurser fra en koncentrationspulje på otte på listen nedenfor:

Valgfag

Studerende vil vælge minimum to valgfrie kurser med i alt otte (eller flere) kredittimer (CH) fra en liste over tilgængelige valgfrie kurser baseret på interesse, foreslået forskningsafhandling og karriereperspektiver i samråd med deres tilsynspanel. De valgfag, der er til rådighed for ph.d. i Machine Learning er angivet i nedenstående tabel:

Forskningsafhandling

Ph.D. afhandling udsætter studerende for banebrydende og uløste forskningsproblemer inden for maskinlæring, hvor de er forpligtet til at foreslå nye løsninger og bidrage væsentligt til vidensmængden. Studerende forfølger en uafhængig forskningsundersøgelse, under vejledning af et tilsynspanel, i en periode på 3-4 år.