Doktor der Philosophie im maschinellen Lernen

Doktor der Philosophie im maschinellen Lernen

Nach Abschluss der Programmvoraussetzungen kann der Absolvent:

1. Erhalten Sie fundierte mathematische Kenntnisse und erweiterte Argumentationsfähigkeiten, um ein umfassendes und tiefgreifendes Verständnis der Pipelines an der Grenze des maschinellen Lernens auszudrücken: Daten, Modelle, algorithmische Prinzipien und empirische Daten.
2. Beherrschen Sie eine Reihe von Fähigkeiten und Techniken in der Datenvorverarbeitung, Exploration und Visualisierung von Datenstatistiken sowie komplexen algorithmischen Ergebnissen.
3. Ein kritisches Bewusstsein für die Fähigkeiten und Grenzen der verschiedenen Formen von Lernalgorithmen und die Fähigkeit haben, die Leistung der Lernalgorithmen kritisch zu analysieren, zu bewerten und zu verbessern.
4. Erweitern Sie Ihre Fähigkeiten zum Lösen von Problemen durch Experten, indem Sie die im Programm erlernten Prinzipien und Methoden unabhängig auf verschiedene komplexe Probleme der realen Welt anwenden.
5. Entwickeln Sie ein tiefes Verständnis für statistische Eigenschaften und Leistungsgarantien, einschließlich Konvergenzraten (in Theorie und Praxis) für verschiedene Lernalgorithmen.
6. Werden Sie zum Experten für die Verwendung und den Einsatz maschinell lernrelevanter Programmiertools für eine Vielzahl von Problemen beim maschinellen Lernen.
7. Verbessern Sie Ihre Kenntnisse in der Ermittlung der Einschränkungen vorhandener Algorithmen für maschinelles Lernen und der Fähigkeit, eine innovative Lösung für eine Vielzahl hochkomplexer Probleme zu konzipieren, zu entwerfen und zu implementieren, um den neuesten Stand des maschinellen Lernens voranzutreiben.
8. Kann Forschungsmanuskripte initiieren, verwalten und vervollständigen, die die Selbsteinschätzung von Experten und fortgeschrittene Fähigkeiten bei der Vermittlung hochkomplexer Ideen im Zusammenhang mit maschinellem Lernen belegen.
9. Erwerben Sie hochentwickelte Fähigkeiten zum Initiieren, Verwalten und Vervollständigen mehrerer Projektberichte und -kritiken zu verschiedenen Methoden des maschinellen Lernens, die Expertenverständnis, Selbstbewertung und fortgeschrittene Fähigkeiten zur Vermittlung hochkomplexer Ideen demonstrieren.

Die Mindestanforderungen für das Doktorat im maschinellen Lernen sind 59 Credits, verteilt wie folgt:

• Kernkurse: 4 Kurse (15 Kreditstunden)
• Wahlfächer: 2 Kurse (8 Kreditstunden)
• Forschungsarbeit: 1 Kurs (36 Kreditstunden)

Kernfächer

Ph.D. im maschinellen Lernen ist in erster Linie ein forschungsbasierter Abschluss. Der Zweck der Kursarbeit besteht darin, die Studierenden mit den richtigen Fähigkeiten auszustatten, damit sie ihr Forschungsprojekt (Abschlussarbeit) erfolgreich durchführen können. Studenten müssen COM701 als Pflichtkurs belegen. Sie können drei Kernfächer aus einem Konzentrationspool von acht in der folgenden Liste auswählen:

Wahlfächer

Die Studierenden wählen mindestens zwei Wahlfächer mit insgesamt acht (oder mehr) Kreditstunden (CH) aus einer Liste verfügbarer Wahlfächer, basierend auf Interesse, vorgeschlagener Forschungsarbeit und Karriereperspektiven, in Absprache mit ihrem Aufsichtsgremium. Die Wahlfächer für den Ph.D. im maschinellen Lernen sind in der folgenden Tabelle aufgeführt:

Forschungsarbeit

Ph.D. Die Diplomarbeit stellt die Studenten vor innovative und ungelöste Forschungsprobleme im Bereich des maschinellen Lernens, bei denen sie neue Lösungen vorschlagen und einen wesentlichen Beitrag zum Wissensbestand leisten müssen. Die Studierenden führen unter der Leitung eines Aufsichtsgremiums ein unabhängiges Forschungsstudium für einen Zeitraum von 3-4 Jahren durch.