Master 2 INTELIGENCIA ARTIFICIAL

El rápido crecimiento de la investigación y las aplicaciones de la inteligencia artificial (IA) ofrece oportunidades sin precedentes. Este curso está dirigido a estudiantes que deseen recibir una educación primaria excelente que cubra un amplio espectro de conceptos y aplicaciones de la IA basada en datos y que aprendan de ejemplos.

El programa ofrece cursos introductorios en aprendizaje estadístico, aprendizaje profundo y aprendizaje reforzado, optimización, procesamiento de señales, teoría de la información y teoría de juegos. Numerosas opciones permiten perfeccionarse en la teoría del aprendizaje y especializarse en muchos campos como big data, imágenes y procesamiento del lenguaje.

Este segundo año ofrece una mayor variedad de opciones, que cubren aspectos éticos y otros temas, como la creación de una empresa.

Este curso requiere una buena formación en matemáticas e informática: - Probabilidad y estadística - Álgebra lineal - Cálculo diferencial e integral - Programación científica - Visualización de los datos Los solicitantes también deben haber completado con éxito el M1 de Inteligencia Artificial (o equivalente): - Saber los conceptos básicos de la estadística aplicada y la optimización - Saber cómo manipular big data - Saber diferenciar y aplicar técnicas de aprendizaje supervisado, no supervisado y reforzado - Saber programar modelos predictivos con Python y dominar sci-kit-learn - Saber cómo Visualice datos e ilustre resultados con herramientas de programación - Sepa cómo escribir una propuesta de proyecto y comunique los resultados por escrito y oralmente.

Habilidades:

Formule matemáticamente algoritmos de descenso de gradientes para redes neuronales profundas, modelos gráficos u otros modelos de aprendizaje estadístico.

Programe modelos de aprendizaje profundo y modelos gráficos con Python y adquiera competencia en Keras, TensorFlow y Pytorch.

Comprender los fundamentos del aprendizaje estadístico a nivel teórico, centrándose en el sobreaprendizaje y la regularización.

Analice datos de varios tipos (imagen, texto, voz) de la señal sin procesar.

Leer, resumir, comentar y reproducir artículos científicos.

Perspectivas de carrera:

Este curso prepara para la investigación y las profesiones de I + D + i en nuevos campos de aplicación en pleno auge: visión por ordenador (vehículos autónomos y biometría); reconocimiento de voz (necesario para las nuevas interfaces hombre-máquina para teléfonos inteligentes); filtrado y agregación de contenido heterogéneo y textual (esencial para las soluciones comerciales para administrar flujos de datos importantes); gestión y seguimiento de sistemas industriales complejos o críticos que dependen del análisis de datos.