MSc علم داده و هوش مصنوعی
این MSc برای افرادی است که میخواهند مهارتهای پیشرفتهای در علم داده و هوش مصنوعی توسعه دهند. این دوره تحلیل آماری، برنامهنویسی، یادگیری ماشین و مهندسی داده را با کار عملی روی کاربردهای دادهمحور ترکیب میکند. این دوره ممکن است برای فارغالتحصیلان هر رشتهای که شرایط ورود را دارند، از جمله افرادی که به دنبال ورود به کار متمرکز بر داده یا هوش مصنوعی هستند، مناسب باشد.
توضیحات فارسی این صفحه به کمک ترجمهٔ ماشینی تهیه شده است. جزئیات مهم — شهریه، شرایط ورود و تاریخ شروع — را پیش از تصمیمگیری با مشاوران پارسه تأیید کنید.
دربارهٔ این دوره
این MSc، علم داده، هوش مصنوعی و مهندسی نرمافزار را برای فارغالتحصیلانی ترکیب میکند که به دنبال توسعه مهارتهای عملی و تحلیلی در کار با سیستمهای دادهمحور هستند.
پیش از ورود به حوزههایی مانند مهندسی داده، پردازش توزیعشده، دادهکاوی، مصورسازی، یادگیری عمیق و پردازش زبان طبیعی، پایهای در آمار، استنباط داده، برنامهنویسی و یادگیری ماشین ایجاد خواهید کرد. این دوره همچنین به کار حرفهای مسئولانه، از جمله GDPR، قانون هوش مصنوعی اتحادیه اروپا و انصاف الگوریتمی میپردازد.
امکان تحصیل بهصورت تماموقت، پارهوقت یا انعطافپذیر وجود دارد. یک مسیر تماموقت دوساله همراه با فعالیتهای علمی و حرفهای نیز ارائه میشود.
چه چیزهایی میخوانید
حوزههای اصلی شامل برنامهنویسی و ارکستراسیون هوش مصنوعی؛ مبانی آمار و استنباط داده؛ اصول یادگیری ماشین؛ و اخلاق، قانون و جامعه است.
همچنین پردازش توزیعشده و مهندسی داده، از جمله Apache Spark، Docker، Kubernetes و MLOps؛ دادهکاوی، مصورسازی و هوشمندی قابلاقدام؛ و یادگیری عمیق و پردازش زبان طبیعی را مطالعه خواهید کرد. موضوعات شامل تحلیل اکتشافی داده، دادهکاوی قوانین انجمنی، تحلیل شبکه، روایتپردازی داده، Transformers و مدلهای زبانی بزرگ هستند.
مطالعات بیشتر شامل معماری و یکپارچهسازی کاربردی داده، مهندسی نرمافزار، روشهای پژوهش و پروژه MSc در علوم رایانه است. توسعه حرفهای، پروژههای مشاورهای و کارآموزی رایانش در مسیرهای تحصیلی مرتبط گنجانده شدهاند.
واحدهای درسی
Semester 1
- Programming and AI Orchestration (اصلی)
- Foundations of Statistics and Data Inference (اصلی)
- Machine Learning Principles (اصلی)
- Ethics, Law, and Society (اصلی)
Semester 2
- Distributed Processing and Data Engineering (اصلی)
- Data Mining, Visualisation, and Actionable Intelligence (اصلی)
- Deep Learning and Natural Language Processing (اصلی)
- Applied Data Architecture and Integration (اصلی)
Semesters 1-3
- MSc Project in Computer Science (اصلی)
- Professional Development (اصلی)
Academic and Professional Practice Year
- Computing Work Placement (اختیاری)
- Consultancy Projects (اختیاری)
شیوهٔ ارزیابی
ارزیابی شامل پورتفولیوها، گزارشهای کار درسی و ارائهها است.
شرایط ورود
متقاضیان به مدرک کارشناسی در هر رشتهای با درجه 2:2 یا بالاتر نیاز دارند. مدارک معادل در رشتهای مرتبط با رایانش نیز ممکن است پذیرفته شوند.
شرایط زبان انگلیسی
IELTS 6.0 یا بالاتر، با حداقل نمره 5.5 در هر مهارت.
مسیر شغلی
این دوره ممکن است از پیشرفت به سمت نقشهایی در بخشهای هوش مصنوعی، داده و فناوری پشتیبانی کند.
قدم بعدی شما با یک گفتوگو شروع میشود
بگویید الان کجا هستید. صادقانه میگوییم چه گزینههایی دارید — به فارسی یا انگلیسی، بدون هیچ هزینهای برای شما.