Tiến sĩ Triết học về Học máy - Trí tuệ nhân tạo

Core courses

• Foundations and Advanced Topics in Machine Learning
• Advanced Machine Learning
• Advanced Probabilistic and Statistical Inference
• Advanced Topics in Continuous Optimization

Elective courses

• Advanced Topics in Reinforcement Learning
• Federated Learning
• Advanced Topics in Causality and Machine Learning
• Advanced Topics in Algorithms for Big Data
• Advanced Computer Vision
• Advanced 3D Computer Vision
• Advanced Techniques in Visual Object Recognition and Detection
• 3D Geometry Processing
• Life-long Learning Agents for Vision
• Deep Learning for Language Processing
• Current Topics in Natural Language Processing
• Advanced Speech Processing
• Deep Learning for Natural Language Generation

Research thesis

• Advanced Research Methods
• Luận án Tiến sĩ Nghiên cứu về Học máy

Internship

• Ph.D. Internship (up to four months)

• 15th in AI, ML, CV, NLP and Robotics in CS Rankings globally
• 11th in NLP in CS Rankings globally
• 15th in CV in CS Rankings globally
• 27th in ML in CS Rankings globally

Upon completion of the program requirements, the graduate will be able to:

1. Thể hiện sự hiểu biết toàn diện và sâu sắc về các đường ống ở biên giới của máy học: dữ liệu, mô hình, nguyên tắc thuật toán và kinh nghiệm
2. Áp dụng một loạt các kỹ năng và kỹ thuật trong xử lý trước dữ liệu, khám phá và trực quan hóa số liệu thống kê dữ liệu cũng như thuật toán phức tạp
   kết quả
3. Xác định khả năng và hạn chế của các dạng thuật toán học tập khác nhau và phân tích, đánh giá và cải thiện hiệu suất của các thuật toán học tập một cách có phê phán.
4. Phát triển kỹ năng giải quyết vấn đề thông qua việc tự mình áp dụng các nguyên tắc và phương pháp đã học trong chương trình vào nhiều vấn đề phức tạp trong thế giới thực.
5. So sánh và đối chiếu các đặc tính thống kê và đảm bảo hiệu suất bao gồm tỷ lệ hội tụ (trong lý thuyết và thực hành) cho các thuật toán học khác nhau.
6. Sử dụng và triển khai các công cụ lập trình liên quan đến ML cho nhiều vấn đề ML khác nhau.
7. Xác định những hạn chế của các thuật toán học máy hiện có và khái niệm hóa, thiết kế và triển khai một giải pháp sáng tạo, bền vững và
   giải pháp kinh doanh cho nhiều vấn đề phức tạp
8. Khởi xướng, quản lý và hoàn thành các bản thảo nghiên cứu thể hiện khả năng tự đánh giá của chuyên gia và các kỹ năng nâng cao trong việc truyền đạt các ý tưởng cực kỳ phức tạp liên quan đến máy học.
9. Khởi xướng, quản lý và hoàn thành nhiều báo cáo dự án phức tạp và các bài phê bình

AI đang thâm nhập vào mọi ngành công nghiệp. Tại các sự kiện gắn kết nhà tuyển dụng gần đây tại MBZUAI, đã có đại diện từ nhiều lĩnh vực bao gồm (nhưng không giới hạn):

• Hàng không, tư vấn, giáo dục, năng lượng, tài chính, cơ quan chính phủ, y tế, truyền thông, dầu khí, an ninh và quốc phòng, viện nghiên cứu, bán lẻ, viễn thông, giao thông vận tải và hậu cần, và khởi nghiệp.

Các cơ hội việc làm gần đây được quảng cáo qua Cổng thông tin nghề nghiệp sinh viên MBZUAI bao gồm (nhưng không giới hạn):

• Kiến trúc sư giải pháp AI, kỹ sư giải pháp AI, kỹ sư thuật toán, nhà phân tích dữ liệu, kỹ sư dữ liệu, nhà khoa học dữ liệu, nhà tư vấn chiến lược dữ liệu, kỹ sư phần mềm full stack, nhà phát triển web full stack, nhà nghiên cứu phân tích dự đoán và nhà khoa học dữ liệu cao cấp – chuyên gia tư vấn.

Các cơ hội nghề nghiệp khác có thể bao gồm (nhưng không giới hạn):

• Nhà khoa học ứng dụng, kỹ sư phân tích, thực tế tăng cường/ảo, ô tô tự lái, sinh trắc học và pháp y, giám đốc dữ liệu, lãnh đạo nền tảng dữ liệu, nhà báo dữ liệu, chuyên gia bán hàng kỹ thuật AI và dữ liệu, kỹ sư/phân tích tăng trưởng, quản lý: lập kế hoạch dịch vụ AI và đám mây, máy móc kỹ sư học tập, quản lý sản phẩm: AI và phân tích dữ liệu, nhà khoa học dữ liệu sản phẩm, nhà phân tích sản phẩm, viễn thám, trợ lý nghiên cứu, bảo mật và giám sát, kỹ sư phần mềm cao cấp và dữ liệu VP.