Δάσκαλος στην Τεχνητή Νοημοσύνη

Γενικά

Περιγραφή προγράμματος

Δάσκαλος στην Τεχνητή Νοημοσύνη

Online Μάστερ στην Τεχνητή Νοημοσύνη

Το Master in Artificial Intelligence γεννιέται ως αποτέλεσμα της ένωσης μεταξύ της εκτεταμένης εμπειρίας στον τομέα της εκπαίδευσης και της έρευνας στον τομέα της τεχνολογίας, που χαρακτηρίζει την UPC, υποστηριζόμενη από την αναγνώριση και τις διαπιστεύσεις που έχει, τόσο σε εθνικό όσο και σε διεθνές επίπεδο. και την εμπειρία στην ηλεκτρονική κατάρτιση, με τεχνολογική και επιχειρηματική εστίαση, από την OBS .

Το Master στην Τεχνητή Νοημοσύνη επιτρέπει στους μαθητές να γνωρίζουν τις έννοιες και τα απαραίτητα στοιχεία του AI από θεωρητική-πρακτική άποψη για την επιτυχή εκτέλεση έργων στον τομέα αυτό.

Στο Master, οι μαθητές θα βυθιστούν σε πέντε μεγάλα μπλοκ:

  • Τμήμα Ι. Θεμελιώδη στοιχεία: θα δοθούν οι βασικές έννοιες που σχετίζονται με την ΑΠ, καθώς και εκείνες που σχετίζονται με όλες τις τεχνολογίες που καλύπτονται από αυτόν τον όρο.
  • Πλαίσιο II Ανάπτυξη μοντέλων μηχανικής μάθησης και νευρωνικών δικτύων: τα μοντέλα που βασίζονται στη μηχανική μάθηση και τα νευρωνικά δίκτυα και η πρακτική χρήση τους θα εμβαθυνθούν. Αυτό περιλαμβάνει τη βελτιστοποίηση και την επακόλουθη αξιολόγηση των μοντέλων.
  • Πλαίσιο III Κύριες αρχιτεκτονικές AI: τα βασικά υπάρχοντα πλαίσια στην αγορά για την ανάπτυξη μοντέλων AI θα εμβαθυνθούν.
  • Πλαίσιο IV Υλοποίηση έργων AI: θα εξεταστούν οι φάσεις ανάπτυξης και διαχείρισης έργων που συνδέονται με τεχνολογίες AI, καθώς και η διαδικασία εφαρμογής τους.
  • Κεφάλαιο V. Οι επιχειρηματικές εφαρμογές του AI και ο αντίκτυπός του στις επιχειρήσεις: θα εισαχθούν οι κύριες επιχειρηματικές εφαρμογές του AI, καθώς και οι επιπτώσεις που έχουν, τόσο από επιχειρηματική όσο και από τεχνολογική άποψη.

Είναι σημαντικό να τονιστεί ότι ο εξαιρετικά πρακτικός χαρακτήρας του προγράμματος επιτρέπει στον φοιτητή να εφαρμόσει αμέσως τις γνώσεις που αποκτήθηκαν κατά τη διάρκεια του μεταπτυχιακού τίτλου.

ευκαιρίες σταδιοδρομίας

Μόλις ολοκληρωθεί το πρόγραμμα, οι μαθητές θα μπορούν να καταλαμβάνουν θέσεις όπως:

  • Επικεφαλής της ομάδας ανάπτυξης ID σε διάφορους τομείς.
  • Σύμβουλος επιχειρήσεων ειδικευμένος στην AI.
  • Τεχνολογικός σύμβουλος που ειδικεύεται στην AI.
  • Υπεύθυνος για έργα ΕΑ.
  • Εμπειρογνώμονας στην ανάπτυξη συστημάτων AI.

στόχοι

Τι είναι το AI και ποιες είναι οι διαφορετικές εφαρμογές του; Ποιες τεχνολογίες και δυνατότητες αιχμής είναι απαραίτητες για τη δημιουργία ανταγωνιστικών πλεονεκτημάτων από την AI; Ποιος είναι ο δυνητικός αντίκτυπός της στις εταιρείες και την κοινωνία; Ποιοι κίνδυνοι υπάρχουν στα μοντέλα εκμάθησης βασισμένα σε μηχανές μάθησης; Ποια είναι η σχέση μεταξύ AI και Big Data; Ποια βασικά στοιχεία θα πρέπει να θεωρηθούν ότι οδηγούν σε έργα AI σε έναν Οργανισμό;

Ο Δάσκαλος της Τεχνητής Νοημοσύνης θα σας βοηθήσει να απαντήσετε σε όλες αυτές τις ερωτήσεις, μέσω του συνδυασμού των εννοιών που σχετίζονται με τις σημαντικότερες τεχνολογίες και της εφαρμογής τους σε επιχειρηματικό επίπεδο. Η ανάλυση των διαφόρων πραγματικών περιπτώσεων και η ανάπτυξη του δικού σας έργου, θα σας επιτρέψει να προσδιορίσετε την πραγματικότητα των τεχνολογιών AI, καθώς και την εφαρμογή τους για την υποστήριξη των επιχειρησιακών αναγκών.

Γενικός στόχος

Το Master στην Τεχνητή Νοημοσύνη έχει ως κύριο στόχο να φέρει τα βασικά στοιχεία του AI σε όλους εκείνους τους επαγγελματίες που βλέπουν πώς οι εφαρμογές της Machine Learning, στους τομείς τους, αλλάζουν τον τρόπο διαχείρισης των επιχειρηματικών μοντέλων. Μέσω αυτού του προγράμματος, οι σπουδαστές θα αποκτήσουν τις απαραίτητες τεχνικές γνώσεις για να οδηγήσουν τα έργα AI.

Ειδικοί στόχοι

Το πρόγραμμα σπουδών του Master στην Τεχνητή Νοημοσύνη έχει σχεδιαστεί για να επιτύχει τους ακόλουθους ειδικούς στόχους:

  • Βελτιώστε τις βασικές αρχές και τις βασικές έννοιες του AI, καθώς και τις μεθόδους και τις τεχνικές που χρησιμοποιούνται για την επίλυση επιχειρηματικών προβλημάτων.
  • Γνωρίστε τους κύριους αλγόριθμους και εργαλεία που σχετίζονται με τη Μηχανική Μάθηση, για να μπορείτε να τα εφαρμόσετε στην επίλυση προβλημάτων χωρίς προηγούμενη γνώση προγραμματισμού.
  • Αναπτύξτε μοντέλα AI χρησιμοποιώντας τα κύρια πλαίσια εργασίας που υπάρχουν στην αγορά.
  • Ανάπτυξη πρακτικών εφαρμογών AI όπως εικονικοί βοηθοί και chatbots. Να είναι σε θέση να διευθύνει τα έργα AI, όχι μόνο από τεχνική άποψη, αλλά και από τη διοίκηση, αναπτύσσοντας διεπιστημονικά προφίλ που γνωρίζουν πώς να συνδέουν και να συνδέουν διαφορετικούς επιχειρηματικούς τομείς και τεχνολογικές πρακτικές.
  • Κατανοήστε τις στρατηγικές επιπτώσεις της AI αναπτύσσοντας επιχειρηματικό όραμα για να μεγιστοποιήσετε την απόδοση της επένδυσής σας.
  • Κατανοήστε τις εφαρμογές του AI σε διαφορετικές βιομηχανίες και εμβαθύνετε τις περιπτώσεις χρήσης με τις μεγαλύτερες επιχειρηματικές επιπτώσεις.

διδακτέα ύλη

Τμήμα Ι. Θεμελιώδη στοιχεία του AI

IA ισοπεδωτική πορεία

Παράλληλα με την ενότητα 1, οι μαθητές ξεκινούν το πρόγραμμα Τεχνητής Νοημοσύνης με αυτό το μάθημα ισοπέδωσης που παρέχει τις βάσεις γνώσης προγραμματισμού, αλγορίθμων και μαθηματικών. Σε αυτό το μάθημα, οι μαθητές θα βρουν υλικούς πόρους που θα τους επιτρέψουν να βρεθούν σε διάφορα θέματα που είναι απαραίτητα για την παρακολούθηση του μαθήματος. Σε αυτό το μάθημα, θα εκτελέσουν δοκιμαστικές εξετάσεις που θα χρησιμεύσουν ως οδηγός για την αξιολόγηση των γνώσεών τους και θα αξιολογηθούν στο τέλος του. Τα θέματα που πρέπει να αντιμετωπιστούν είναι:

  • Βασικά στοιχεία του AI.
  • Εισαγωγή στον προγραμματισμό.
  • Εισαγωγή αλγορίθμων σε AI.

Ενότητα 1. AI: βασικές αρχές και βασικές τεχνολογίες

Σε αυτή την ενότητα ο φοιτητής θα εισέλθει στον κόσμο του AI και της εφαρμογής του στην επιχείρηση, αντιμετωπίζοντας ζητήματα όπως:

  • Βασικές έννοιες του AI.
  • Κύριες τεχνολογίες AI.
  • Η οργάνωση "με βάση δεδομένα".
  • Βάσεις για την εκτέλεση των έργων AI και η διαφορά τους με την παραδοσιακή εκτέλεση των ΤΠ.

Ενότητα 2. Κοινωνικοοικονομικός αντίκτυπος του AI

Σε αυτή την ενότητα, ο φοιτητής θα αποκτήσει ένα ολοκληρωμένο όραμα της έννοιας της ΑΠ στο σημερινό κοινωνικοοικονομικό πλαίσιο. Σε αυτό, ο μαθητής θα δει θέματα όπως:

  • Οικονομικές επιπτώσεις της βιομηχανίας και της βιομηχανίας 4.0.
  • Επιπτώσεις της ΑΠ στους ανθρώπους: ηθικές, κοινωνικές και νομικές εκτιμήσεις.
  • AI υιοθετώντας και μοντέλο ωριμότητας σε οργανισμούς. IA Maturity Models ως εργαλείο τοποθέτησης για οργανισμούς.
Πλαίσιο II Σχεδιασμός και ανάπτυξη μοντέλων Machine Learning και Νευρωνικών Δικτύων

Ενότητα 3. Εισαγωγή στη μηχανική μάθηση: δεδομένα και αλγόριθμοι

Αυτή η ενότητα θα εισαγάγει τον φοιτητή στη Μηχανική Μάθηση, παρέχοντας αυτές τις βασικές έννοιες για τη σωστή κατανόηση. Σε αυτό θα δείτε θέματα όπως:

  • Βασικές έννοιες μάθησης μηχανών.
  • Η σημασία των δεδομένων.
  • Ποιότητα δεδομένων και διακυβέρνηση.
  • Αλγόριθμοι μάθησης μηχανών: κίνδυνοι και περιορισμοί.

Ενότητα 4. Μοντέλα Machine Learning: βελτιστοποίηση και εφαρμογές

Αυτή η ενότητα θα παράσχει τα κλειδιά για τη βελτιστοποίηση του αποτελέσματος των μοντέλων Machine Learning, ενώ θα εξετάζει τη διαδικασία που συνδέεται με την ελαχιστοποίηση των κινδύνων στη δημιουργία εφαρμογών που βασίζονται σε AI. Τα θέματα που θα εργαστούν είναι:

  • Βελτιστοποίηση των μοντέλων.
  • Ποιότητα δεδομένων για ισχυρή ανάλυση.
  • Δημιουργία εφαρμογών βασισμένων στη Μηχανική Μάθηση.

Ενότητα 5. Νευρωνικά δίκτυα

Σε όλη αυτή την πέμπτη ενότητα, ο σπουδαστής θα εισέλθει στον κόσμο των Νευρωνικών Δικτύων και θα δει θέματα όπως:

  • Τυπικές αρχιτεκτονικές
  • Βαθιά ενισχυμένη μάθηση.
  • Εκπαίδευση ενός νευρικού δικτύου: Παιδική χαρά TensorFlow.
Πλαίσιο III Κύριες αρχιτεκτονικές AI

Ενότητα 6. Πλαίσια AI

Σε αυτή την ενότητα ο φοιτητής θα δει τα βασικά πλαίσια της ΑΠ που υπάρχουν σήμερα στην αγορά. Μεταξύ αυτών είναι:

  • Πλαίσια ανοιχτού κώδικα.
  • Πλαίσιο IA της Google.
  • Το πλαίσιο της Microsoft Cognitive Services.
  • Amazon IA Framework Services.
  • IBM Watson Framework
Πλαίσιο IV Υλοποίηση έργων AI

Ενότητα 7. Εφαρμογή των έργων AI (I): μεθοδολογία

Σε αυτό το πρώτο μέρος του τετραγώνου 4, ο φοιτητής θα δει τις μεθοδολογικές πτυχές της κατεύθυνσης και της υλοποίησης των έργων AI. Τα θέματα που θα εξεταστούν είναι:

  • ML μεθοδολογία: CRISP-DM.
  • Κύκλος ζωής περιεχομένου.
  • AIOps
  • Δοκιμές παλινδρόμησης.
  • Ανατροφοδότηση και συντήρηση.
  • Επαναχρησιμοποίηση και επανεκπαίδευση.
  • Περιπτώσεις και πρακτικά παραδείγματα.

Ενότητα 8. Υλοποίηση των έργων AI (II): υλικά και ανθρώπινοι πόροι

Σε αυτό το δεύτερο μέρος του μπλοκ, ο φοιτητής θα επικεντρωθεί στην κατεύθυνση και την υλοποίηση των έργων AI από την άποψη των υλικών και των ανθρώπινων πόρων. Με αυτή την έννοια, μερικά από τα σημεία που θα εξεταστούν στην ενότητα είναι:

  • Υλικών πόρων.
    • Αποθήκευση
    • Υπολογισμός
    • Οικονομικά μοντέλα
    • Cloud Infrastructure
    • Εργαλεία
  • Ανθρώπινοι πόροι Ειδικά προφίλ και επιπτώσεις στα παραδοσιακά προφίλ.
Πεδίο Β. Επιχειρησιακές εφαρμογές της AI και των επιπτώσεων της στις επιχειρήσεις

Ενότητα 9. Επιχειρηματικές εφαρμογές του AI και των επιπτώσεών του στις επιχειρήσεις

Αυτή η ενότητα θα εισαγάγει τον σπουδαστή στις κύριες επιχειρηματικές εφαρμογές του AI. Μερικά από τα θέματα που θα εξεταστούν είναι:

  • Ευφυής αλληλεπίδραση: βελτιστοποίηση της εμπειρίας του πελάτη, μέσω υπερπροσδιορισμού, διασυνδετικών διεπαφών και εκμετάλλευσης δεδομένων σε πραγματικό χρόνο.
  • Έξυπνα προϊόντα και υπηρεσίες: οι δυνατότητες που παρέχει η AI και η αναζήτηση νέων επιχειρηματικών μοντέλων και αγορών.
  • Ευφυείς λειτουργίες: συνδυασμός AI με λύσεις αυτοματισμού, για την αυτοεκπαίδευση.
  • Ευφυείς λειτουργίες υποστήριξης εταιρειών (ασφάλεια, ανθρώπινο δυναμικό, τεχνολογία κ.λπ.): η χρήση του AI για την αύξηση της ανθρώπινης νοημοσύνης και τη βελτίωση της λήψης αποφάσεων.

Ενότητα 10. Μοντέλα AI με βάση τον πελάτη

Σε αυτή την τελευταία ενότητα του προγράμματος, οι εφαρμογές της AI στις διαδικασίες σχέσεων με τους πελάτες θα εμβαθυνθούν. Μερικά από τα σημεία της ενότητας είναι τα εξής:

  • Αξιοθέατα: Κοινωνικά δίκτυα και αμειβόμενα μέσα.
  • Εμπειρία: Προσαρμογή περιεχομένου και ταξίδι πελατών.
  • Πώληση: Εξωραϊσμός και διασταυρούμενη πώληση.
  • Υπηρεσία: chatbots και έξυπνοι βοηθοί.

τελικό κύριο του έργου

Κατά τη διάρκεια του τελικού έργου Master (PFM), ο φοιτητής θα εργαστεί χέρι-χέρι με μια πραγματική εταιρεία για την ανάπτυξη ενός έργου. Αυτό θα έχει την επιλογή να το κάνει για τη δική σας επιχείρηση ή να επιλέξει ανάμεσα στις επιλογές που προτείνει το σχολείο.

Εργαστήρια

Κατά τη διάρκεια του Master στην Τεχνητή Νοημοσύνη, ο φοιτητής θα έχει την ευκαιρία να διεξάγει 2 πρακτικά εργαστήρια, χωρισμένα σε ένα τεχνολογικό εργαστήριο και ένα επιχειρηματικό εργαστήριο.

Τεχνολογικό Εργαστήρι Python εφαρμογή γλώσσας

Αυτό το σεμινάριο θέτει τις βασικές γνώσεις σχετικά με την Python που εισήχθησαν στο μάθημα ισοπέδωσης, προωθώντας τις γνώσεις σχετικά με την εφαρμογή αυτής της γλώσσας προγραμματισμού. Σε αυτό το σεμινάριο οι φοιτητές θα αποκτήσουν ένα πρακτικό όραμα για την εφαρμογή της πιο συνηθισμένης γλώσσας προγραμματισμού στον τομέα της Τεχνητής Νοημοσύνης και της Μηχανικής Μάθησης: Python.

Η Python είναι μια γλώσσα προγραμματισμού αναφοράς σε περιβάλλοντα Τεχνητής Νοημοσύνης για την ευκολία χρήσης, την ευελιξία και τον μεγάλο αριθμό διαθέσιμων βιβλιοθηκών. Η ανάπτυξη της χρήσης αυτής της γλώσσας είναι θεαματική χάρη, βασικά, στις νέες τεχνολογίες της Data Science και Machine Learning.

Σημείωση: Για να πραγματοποιήσετε αυτό το εργαστήριο, είναι απαραίτητο να έχετε γνώση στον προγραμματισμό.

Επιχειρηματικό Εργαστήριο Ενδυνάμωση των έργων μεγάλων δεδομένων μέσω της Μηχανικής Μάθησης

Η Μηχανική Μάθηση χρειάζεται μεγάλα ποσά δεδομένων για να μπορεί να λειτουργήσει και να εκπαιδεύσει τους αλγορίθμους που χρησιμοποιεί. Σε αυτό το εργαστήριο, οι μαθητές θα δουν τις διαφορετικές χρήσεις της Machine Learning στο περιβάλλον μεγάλων δεδομένων. Επιπλέον, αυτό το εργαστήριο θα επιτρέψει στους μαθητές να καταλάβουν πώς σχετίζεται το AI με το Big Data. Πώς εφαρμόζουμε την εκμάθηση μηχανών σε μεγάλα δεδομένα; Πώς μπορούμε να ανακαλύψουμε τα πρότυπα στα δεδομένα μέσω της χρήσης του Machine Learning; Ποιες εφαρμογές έχετε στο επιχειρηματικό επίπεδο;

Δεδομένου ότι πρόκειται για πρακτικό εργαστήριο, οι μαθητές θα δουλέψουν, για παράδειγμα, με μια περίπτωση ψηφιακού μάρκετινγκ. Συγκεκριμένα, θα δείτε πώς γίνεται η προγραμματική αγορά ψηφιακών μέσων και πώς μπορεί να βελτιστοποιηθεί χρησιμοποιώντας τεχνικές Machine Learning σε συνδυασμό με περιβάλλοντα Big Data. Με αυτόν τον τρόπο, θα δουν το επιχειρηματικό όφελος που αυτός ο συνδυασμός τεχνολογιών φέρνει και πώς να το παραγάγει σε άλλες διαδικασίες.

εργαλεία

Σε όλο το πρόγραμμα οι φοιτητές θα χρησιμοποιήσουν, μεταξύ άλλων, τα ακόλουθα εργαλεία:

Λογισμικό Python

Λογισμικό που επιτρέπει προγραμματισμό σε γλώσσα Python. Είναι μία από τις πιο συχνά χρησιμοποιούμενες γλώσσες προγραμματισμού. Είναι μια γλώσσα πολλαπλών παραδειγμάτων.

R Λογισμικό

Λογισμικό προγραμματισμού που ενσωματώνεται από διαφορετικά εργαλεία, μπορεί να επεκταθεί μέσω της λήψης διαφορετικών πακέτων, βιβλιοθηκών ή δειγμάτων. Είναι ανοικτού κώδικα.

Ρυθμιστής ροής

Βιβλιοθήκη ελεύθερου λογισμικού που χρησιμοποιείται για την εκτέλεση αριθμητικών υπολογισμών χρησιμοποιώντας διαγράμματα ροής.

PyTorch

Το πακέτο Python σχεδιάστηκε για να πραγματοποιεί αριθμητικούς υπολογισμούς χρησιμοποιώντας προγραμματισμό τάσης.

CNTK (Microsoft Cognitive Toolkit)

Βιβλιοθήκη για βαθιά εκμάθηση βασισμένη σε βαθιά νευρωνικά δίκτυα. Αυτό βασίζεται στο κατασκεύασμα υπολογιστικού δικτύου, το οποίο είναι ένα ενοποιημένο πλαίσιο για την περιγραφή διαφορετικών τύπων μηχανών μάθησης, όπως τα βαθιά νευρικά δίκτυα, τα συνελικτικά νευρωνικά δίκτυα, τα επαναλαμβανόμενα νευρωνικά δίκτυα κ.λπ.

Υπηρεσίες APIS (Amazon)

Υπηρεσία AWS που σας επιτρέπει να δημιουργείτε, να δημοσιεύετε, να διατηρείτε, να παρακολουθείτε και να προστατεύετε τα API REST και WebSocket σε οποιαδήποτε κλίμακα.

Βασικές απαιτήσεις

Προφίλ σπουδαστών και απαιτήσεις εισδοχής

Οι ενότητες του μάστερ έχουν σχεδιαστεί με εκείνους τους επαγγελματίες, από διάφορους τομείς, οι οποίοι επιδιώκουν να επιταχύνουν την ανάπτυξη της επαγγελματικής σταδιοδρομίας τους και να κατανοήσουν το ρόλο που αποκτά το AI στο επιχειρηματικό περιβάλλον. Οι απαιτήσεις πρόσβασης στο Master of Artificial Intelligence της OBS είναι οι εξής:

  • Απόφοιτοι και πτυχιούχοι της τεχνικής μηχανικής, της ADE και της επιστήμης (ιατρική, μαθηματικά, φυσική ή χημεία).
  • Στελέχη που θέλουν να βυθιστούν στην επίδραση των επιχειρήσεων και τις νέες δυνατότητες που ανοίγουν αυτές οι τεχνολογίες, προσδιορίζοντας τα απαραίτητα στοιχεία για να μπορούν να τα εφαρμόσουν σε πραγματικά παραγωγικά περιβάλλοντα.
  • Διευθυντές έργων και διευθυντικά στελέχη που επιθυμούν να επεκτείνουν τη διοικητική τους ικανότητα για να αναλάβουν έργα που σχετίζονται με το AI.
  • Άτομα με εμπειρία ή επαγγελματικό προσανατολισμό στον τομέα της ΑΕ που επιθυμούν να ενισχύσουν την ακαδημαϊκή τους κατάρτιση.
  • Σύμβουλοι και ειδικοί στον τομέα της ΓΠ που επιθυμούν να προετοιμάσουν, να ενημερώσουν και να ολοκληρώσουν το προφίλ τους, δημιουργώντας έτσι ανταγωνιστική θέση στην αγορά.
τιτλοποίηση

Με την ολοκλήρωση του προγράμματος, οι φοιτητές θα αποκτήσουν:

  • Ένας τίτλος τριών σημείων.
  • Ένα δικό του πτυχίο που πιστοποιείται από την UPC, εάν εκπληρωθούν οι απαιτήσεις του Πανεπιστημίου στο τέλος του προγράμματος.
Τελευταία ενημέρωση Νοέμβριος 2019

Σχετικά με τη Σχολή

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 ... περαιτέρω

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: Διαβάστε Λιγότερα
Βαρκελώνη , Μαδρίτη + 1 Περισσότερα Λιγότερα

FAQ

Άλλη