upGrad

机器学习与人工智能理学硕士

该课程非常适合：

• 希望转型到人工智能/机器学习岗位的在职人士
• 致力于人工智能驱动解决方案的软件工程师和开发人员
• 数据科学家和分析师寻求深度学习和人工智能方面的高级知识
• 渴望在机器学习和人工智能应用领域积累专业知识的STEM毕业生

统计和 EDA

• EDA + 欢迎
• Git 和 Github 简介
• Lending Club 案例研究
• 推理统计
• 假设检验

机器学习 - 我

• 线性回归模块
• 线性回归任务：自行车共享公司（需求回归）
• Logistic回归
• 朴素贝叶斯
• 模型选择
• 复习周-技能测试

机器学习 - II

• 高级回归
• 高级回归作业 + SVM（可选）
• 树模型
• 随机森林 + 实际考虑
• 提升 - 1
• 无监督聚类
• 主成分分析
• 电信客户流失案例研究
• 缓冲区 - 技能测试

深度学习

• 神经网络简介 - 第一部分
• 神经网络简介 - 第二部分
• 卷积神经网络
• 作业：卷积神经网络
• CNN：实际考虑
• 循环神经网络
• 手势识别 - 项目
• 周日考试 周末
• 复习周——技能测试（DL）

自然语言处理

• NLP-词汇处理
• NLP-句法处理
• NLP 作业-句法处理
• NLP-语义处理
• 票务分类项目
• Buffer - 技能测试(NLP)

选修课：MLops 选修课

• 先修模块
• MLops 简介
• 设计机器学习系统
• 使用 MLflow 进行数据和模型实验
• 使用 Airflow 实现自动化和编排管道
• 构建持续学习基础设施
• MLOps 项目
• NLP 进阶-注意力机制介绍
• 高级 NLP - Transformer 简介
• 高级 CV - 对象检测和语义分割
• MLOps + 部署：DL（理论）
• MLOps + 部署：DL（案例研究）
• 周日考试 周末
• 复习周-技能测试

选修课：生成式人工智能选修课

• NLP 进阶-注意力机制介绍
• 高级 NLP - Transformer 简介
• “生成式人工智能、ChatGPT 和使用非推理、思维链和先进技术的快速工程的基础知识”
• 使用 OpenAI API 进行产品开发，使用 Python 中的 STaR 技术进行微调
• 使用 Whisper API 集成语音并使用 Flask 部署应用程序
• 多模态 LLMS 基础知识，如稳定扩散、中间旅程
• “使用 Python 中的稳定扩散进行设计、摄影和产品开发的基本原理以及 LLM 在聚类、分类等数据科学问题中的应用”
• GenAI 项目
• LLM 在为大型文档创建嵌入中的应用
• 使用 Pinecone 等向量存储来存储和索引大型文档的嵌入
• 了解 LangChain 及其应用的重要性
• 初始化代理、工具和向量存储以进行存储和检索
• 使用 Chain 连接组件并探索 LangChain 中工具的强大功能
• 使用 Azure OpenAI 服务扩展和部署生成式 AI 应用
• 生成式人工智能的未来发展

凯普斯

• 凯普斯

研究方法

• 研究和研究过程简介
• 研究设计
• 文献复习
• 研究项目管理
• 报告写作和演示技巧
• 科学伦理

硕士论文

• 使用 PCA 和聚类方法调查外卖（快餐）消费者的饮食模式和代谢物指纹
• 使用成像眼科数据研究眼部疾病的诊断
• 用信息几何构造医学图像
• 使用社交媒体信息流将有关自然灾害的推文发布在地图上
• 通过模式识别防止信用卡欺诈
• 为媒体巨头开发推荐系统
• 金融活动和投资银行的风险建模

完成此课程后，您将：

• 掌握人工智能和机器学习概念及其在行业中的应用
• 构建和部署用于实际用例的 AI 模型
• 掌握深度学习、自然语言处理和计算机视觉方面的专业知识
• 参与 10 个以上的机器学习/人工智能项目，积累实践经验。
• 凭借利物浦约翰摩尔斯大学 (LJMU) 全球认可的学历，提升您的职业发展。

完成此课程后，您可以探索以下职位：

• 掌握人工智能和机器学习概念及其在行业中的应用
• 构建和部署用于实际用例的 AI 模型
• 掌握深度学习、自然语言处理和计算机视觉方面的专业知识
• 参与 10 个以上的机器学习/人工智能项目，积累实践经验。
• 凭借利物浦约翰摩尔斯大学 (LJMU) 全球认可的学历，提升您的职业发展。