Doktor Falsafah dalam Pembelajaran Mesin

Doktor Falsafah dalam Pembelajaran Mesin

Setelah selesai keperluan program, graduan akan dapat:

1. Mendapatkan latar belakang matematik yang ketat dan keupayaan penalaran lanjutan untuk menyatakan pemahaman yang menyeluruh dan mendalam tentang saluran paip di sempadan pembelajaran mesin: data, model, prinsip algoritma dan empirika.
2. Menguasai pelbagai kemahiran dan teknik dalam pengolah data, penerokaan, dan visualisasi data-statistik serta hasil algoritma yang kompleks.
3. Mempunyai kesedaran kritikal tentang keupayaan dan batasan dari pelbagai bentuk algoritma pembelajaran dan keupayaan untuk menganalisis, menilai, dan meningkatkan kritikal algoritma pembelajaran.
4. Meningkatkan kemahiran pemecahan masalah pakar menerusi penggunaan prinsip-prinsip dan kaedah-kaedah yang dipelajari dalam program ini kepada pelbagai masalah dunia nyata kompleks.
5. Membangunkan pemahaman yang mendalam terhadap sifat-sifat statistik dan jaminan prestasi, termasuk kadar penumpuan (dalam teori dan amalan) untuk algoritma pembelajaran yang berbeza.
6. Menjadi seorang pakar dalam menggunakan dan menggerakkan alat pengaturcaraan yang berkaitan dengan mesin untuk pelbagai masalah pembelajaran mesin.
7. Berkembang keahlian dalam mengenal pasti batasan algoritma pembelajaran mesin yang sedia ada dan keupayaan untuk mengkonseptualisasikan, merekabentuk dan melaksanakan penyelesaian inovatif untuk pelbagai masalah yang sangat rumit untuk memajukan canggih dalam pembelajaran mesin.
8. Mampu memulakan, mengurus dan melengkapkan manuskrip penyelidikan yang menunjukkan penilaian diri pakar dan kemahiran maju dalam menyampaikan idea-idea yang sangat rumit yang berkaitan dengan pembelajaran mesin.
9. Dapatkan kemahiran yang sangat canggih dalam memulakan, mengurus, dan menyelesaikan pelbagai laporan projek dan kritikan mengenai pelbagai kaedah pembelajaran mesin, yang menunjukkan kefahaman pakar, penilaian diri, dan kemahiran maju dalam menyampaikan idea-idea yang sangat kompleks.

Keperluan ijazah minimum untuk Ph.D. dalam Pembelajaran Mesin adalah 59 Kredit, yang diedarkan seperti berikut:

• Kursus Teras: 4 Kursus (15 Jam Kredit)
• Kursus Elektif: 2 Kursus (8 Jam Kredit)
• Tesis Penyelidikan: 1 Kursus (36 Jam Kredit)

Kursus Teras

Ph.D. dalam Pembelajaran Mesin adalah terutamanya ijazah berasaskan penyelidikan. Tujuan kursus adalah untuk melengkapkan pelajar dengan kemahiran yang betul, sehingga mereka dapat berhasil menyelesaikan proyek penyelidikan mereka (tesis). Pelajar dikehendaki mengambil COM701, sebagai kursus wajib. Mereka boleh memilih tiga kursus utama dari kumpulan konsentrasi lapan dalam senarai yang disediakan di bawah:

Kursus Elektif

Pelajar akan memilih sekurang-kurangnya dua kursus elektif, dengan jumlah lapan (atau lebih) jam kredit (CH) daripada senarai kursus pilihan elektif berdasarkan minat, cadangan penyelidikan, dan perspektif kerjaya, berunding dengan panel penyeliaan mereka. Kursus elektif boleh didapati untuk Ph.D. dalam Pembelajaran Mesin disenaraikan di bawah:

Tesis Penyelidikan

Ph.D. tesis mendedahkan pelajar kepada masalah penyelidikan yang canggih dan tidak dapat diselesaikan dalam bidang Pembelajaran Mesin, di mana mereka dikehendaki mencadangkan penyelesaian baru dan menyumbang dengan ketara kepada pengetahuan. Pelajar melanjutkan pelajaran penyelidikan bebas, di bawah bimbingan panel penyeliaan, untuk tempoh 3-4 tahun.

Kursus Teras

Ph.D. dalam Pembelajaran Mesin adalah terutamanya ijazah berasaskan penyelidikan. Tujuan kerja kursus adalah untuk melengkapkan pelajar dengan set kemahiran yang betul, supaya mereka boleh berjaya mencapai projek penyelidikan (tesis) mereka. Pelajar dikehendaki mengambil COM701, sebagai kursus wajib. Mereka boleh memilih tiga kursus teras daripada kumpulan tumpuan lapan dalam senarai yang disediakan di bawah:

Kursus Elektif

Pelajar akan memilih sekurang-kurangnya dua kursus elektif, dengan jumlah lapan (atau lebih) jam kredit (CH) daripada senarai kursus elektif yang tersedia berdasarkan minat, tesis penyelidikan yang dicadangkan dan perspektif kerjaya, dengan berunding dengan panel penyeliaan mereka. Kursus elektif yang tersedia untuk Ph.D. dalam Pembelajaran Mesin disenaraikan dalam jadual di bawah:

Tesis Penyelidikan

Ph.D. tesis mendedahkan pelajar kepada masalah penyelidikan yang canggih dan tidak dapat diselesaikan dalam bidang Pembelajaran Mesin, di mana mereka dikehendaki mencadangkan penyelesaian baharu dan menyumbang dengan ketara kepada badan pengetahuan. Pelajar mengikuti kajian penyelidikan bebas, di bawah bimbingan panel penyeliaan, untuk tempoh 3-4 tahun.

Kedudukan CS Sepintas lalu

• Ke-20 dalam bidang AI dalam Kedudukan CS di peringkat global
• Ke-28 dalam bidang ML dalam Kedudukan CS di peringkat global
• Ke-27 dalam bidang CV dalam Kedudukan CS di peringkat global
• Ke-24 dalam bidang NLP dalam Kedudukan CS di peringkat global

Setelah melengkapkan keperluan program, graduan akan dapat:

1. Dapatkan latar belakang matematik yang ketat dan keupayaan penaakulan lanjutan untuk menyatakan pemahaman yang komprehensif dan mendalam tentang saluran paip di sempadan pembelajaran mesin: data, model, prinsip algoritma dan empirik.
2. Menguasai pelbagai kemahiran dan teknik dalam prapemprosesan data, penerokaan dan visualisasi statistik data serta hasil algoritma yang kompleks
3. Mempunyai kesedaran kritikal tentang keupayaan dan batasan pelbagai bentuk algoritma pembelajaran dan keupayaan untuk menganalisis, menilai dan meningkatkan prestasi algoritma pembelajaran secara kritis
4. Tingkatkan kemahiran menyelesaikan masalah pakar melalui penggunaan bebas prinsip dan kaedah yang dipelajari dalam program untuk pelbagai masalah dunia sebenar yang kompleks
5. Membangunkan pemahaman mendalam tentang sifat statistik dan jaminan prestasi termasuk kadar penumpuan (dalam teori dan amalan) untuk algoritma pembelajaran yang berbeza
6. Jadilah pakar dalam menggunakan dan menggunakan alat pengaturcaraan yang berkaitan dengan pembelajaran mesin untuk pelbagai masalah pembelajaran mesin
7. Tingkatkan kecekapan dalam mengenal pasti batasan algoritma pembelajaran mesin sedia ada dan keupayaan untuk mengkonseptualisasikan, mereka bentuk dan melaksanakan penyelesaian inovatif untuk pelbagai masalah yang sangat kompleks untuk memajukan teknologi terkini dalam pembelajaran mesin
8. Mampu memulakan, mengurus dan melengkapkan manuskrip penyelidikan yang menunjukkan penilaian kendiri pakar dan kemahiran lanjutan dalam menyampaikan idea yang sangat kompleks berkaitan pembelajaran mesin
9. Dapatkan kemahiran yang sangat canggih dalam memulakan, mengurus dan menyelesaikan pelbagai laporan projek dan kritikan tentang pelbagai kaedah pembelajaran mesin, yang menunjukkan pemahaman pakar, penilaian kendiri dan kemahiran lanjutan dalam menyampaikan idea yang sangat kompleks

AI meresap ke dalam setiap industri. Pada acara penglibatan majikan baru-baru ini di MBZUAI, terdapat perwakilan daripada pelbagai sektor termasuk (tetapi tidak terhad kepada):

• Penerbangan, perundingan, pendidikan, tenaga, kewangan, entiti kerajaan, penjagaan kesihatan, media, minyak dan gas, keselamatan dan pertahanan, institut penyelidikan, peruncitan, telekomunikasi, pengangkutan dan logistik serta syarikat pemula.

Peluang pekerjaan terkini yang diiklankan melalui Portal Kerjaya Pelajar MBZUAI termasuk (tetapi tidak terhad kepada):

• Arkitek penyelesaian AI, jurutera penyelesaian AI, jurutera algoritma, penganalisis data, jurutera data, saintis data, perunding strategi data, jurutera perisian tindanan penuh, pembangun web tindanan penuh, penyelidik analitik ramalan dan saintis data kanan - perunding.

Peluang kerjaya lain boleh termasuk (tetapi tidak terhad kepada):

• Saintis gunaan, jurutera analitik, realiti tambahan/maya, kereta autonomi, biometrik dan forensik, ketua pegawai data, kepimpinan platform data, wartawan data, pakar jualan teknikal data dan AI, analitik / jurutera pertumbuhan, pengurus: perancangan perkhidmatan AI dan awan, mesin jurutera pembelajaran, pengurus produk: AI dan analisis data, saintis data produk, penganalisis produk, penderiaan jauh, pembantu penyelidik, keselamatan dan pengawasan, jurutera perisian kanan dan data VP.