MSc رایانش و هوش مصنوعی
این MSc مهارتهای عملی و تحلیلی را در رایانش، هوش مصنوعی، یادگیری ماشین و مهندسی داده توسعه میدهد. این دوره ممکن است برای فارغالتحصیلان با هر پیشزمینه دانشگاهی که میخواهند وارد مطالعه فنی شوند یا تخصص خود را در حوزههای AI، نرمافزار و دادهمحور توسعه دهند، 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 مبانی رایانش را با هوش مصنوعی کاربردی، یادگیری ماشین و مهندسی داده ترکیب میکند. این دوره برای فارغالتحصیلان هر رشتهای طراحی شده است که میخواهند دانش فنی خود را در توسعه نرمافزار، برنامهنویسی، مدیریت داده و کاربردهای AI توسعه دهند.
شما با Python و GitHub کار خواهید کرد، عاملهای هوشمند و یادگیری ماشین را بررسی خواهید کرد و میآموزید که دادهها چگونه در پایگاههای داده رابطهای، NoSQL، گرافی و سلسلهمراتبی ذخیره و مدیریت میشوند. این دوره همچنین پردازش توزیعشده، Apache Spark، Docker و Kubernetes را در کنار مدیریت داده مبتنی بر فضای ابری و پایپلاینهای AI در اکوسیستمهای AWS یا GCP پوشش میدهد.
یک پروژه قابلتوجه MSc در علوم کامپیوتر به شما امکان میدهد آموختههای خود را در یک کار گسترده گرد هم آورید. گزینههای تحصیل تماموقت و پارهوقت در دسترس هستند و مدت تحصیل از 12 تا 24 ماه است.
چه چیزهایی میخوانید
حوزههای اصلی مطالعه عبارتاند از:
- توسعه نرمافزار - مبانی آمار و استنتاج داده - دادهکاوی، مصورسازی و هوشمندی قابلاقدام - فناوریهای وب - فناوریهای مدیریت داده - کاربردهای هوش مصنوعی - برنامهنویسی و ارکستراسیون AI - پردازش توزیعشده و مهندسی داده - پروژه MSc در علوم کامپیوتر - توسعه حرفهای
شما برنامهنویسی با Python و GitHub، یادگیری ماشین، هوش مصنوعی و عاملهای هوشمند را مطالعه خواهید کرد. یادگیری متمرکز بر داده، پایگاههای داده رابطهای، NoSQL، گرافی و سلسلهمراتبی را بهعلاوه پردازش توزیعشده و مهندسی داده با استفاده از Apache Spark پوشش میدهد. همچنین کانتینرسازی با Docker و Kubernetes و مدیریت داده مبتنی بر فضای ابری و پایپلاینهای AI در محیطهای AWS یا GCP (MLOps) را بررسی خواهید کرد.
واحدهای درسی
Semester 1
- Software Development (اصلی)
- Foundations of Statistics and Data Inference (اختیاری)
- Data Mining, Visualisation, and Actionable Intelligence (اختیاری)
- Web Technologies (اختیاری)
Semester 2
- Data Management Technologies (اصلی)
- Applications of Artificial Intelligence (اصلی)
Semester 3
- Programming and AI Orchestration (اصلی)
- Distributed Processing and Data Engineering (اصلی)
Semesters 1 - 3
- MSc Project in Computer Science (اصلی)
- Professional Development (اصلی)
شیوهٔ ارزیابی
ارزیابی از طریق پورتفولیوها، گزارشهای درسی و ارائهها انجام میشود.
شرایط ورود
مدرک کارشناسی در هر رشتهای با درجه 2:2 یا بالاتر، یا مدرک معادل.
شرایط زبان انگلیسی
مهارت زبان انگلیسی معادل IELTS با نمره کلی 6.0، با حداقل نمره 5.5 در هر مهارت.
مسیر شغلی
این دوره ممکن است از پیشرفت به سمت نقشها و توسعه بیشتر در حوزههای AI، توسعه نرمافزار، علوم کامپیوتر، علم داده و بخشهای گستردهتر 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.