KTH Royal Institute of Technology

MSc Machine Learning

Machine Learning kl KTH

I dette program lærer du det matematiske og statistiske grundlag og metoder til maskinlæring med det formål at modellere og opdage mønstre fra observationer. Du vil også få praktisk erfaring i, hvordan du matcher, anvender og implementerer relevante maskinlæringsteknikker til at løse problemer i den virkelige verden i en bred vifte af applikationsdomæner. Efter eksamen fra programmet vil du have opnået selvtillid og erfaring til at foreslå håndterbare løsninger på potentielt ikke-standardiserede læringsproblemer, som du kan implementere effektivt og robust. Stockholm har et levende start-up-fællesskab og store etablerede virksomheder, der integrerer AI og Machine Learning i deres teknologiske udvikling. Dette giver dig mulighed for relevant og spændende industriarbejde inden for feltet under og efter dit studie.

For at give en introduktion til feltet og et solidt fundament starter programmet med obligatoriske kurser i maskinlæring og kunstig intelligens. Disse kurser efterfølges af et avanceret kursus i maskinlæring og forskningsmetodologi. Fra andet semester vælger du kurser inden for to områder: applikationsdomæner, der udnytter maskinlæring og teoretisk maskinlæring. Disse områder svarer til kernekompetencerne hos en maskinlæringsekspert.

Den første gruppe af kurser beskriver, hvordan maskinlæring bruges til at løse problemer inden for særlige applikationsdomæner såsom computersyn, informationssøgning, tale- og sprogbehandling, beregningsbiologi og robotteknologi. Andetkursusgrupperingen giver dig mulighed for at tage mere grundlæggende teoretiske kurser i anvendt matematik, statistik og maskinlæring. Af særlig interesse for mange vil være chancen for at lære om og forstå i detaljer det spændende felt for dyb læring gennem adskillige avancerede kurser.

Uddannelsen har også op til 30 ECTS-point valgfag, som du kan vælge fra en bred vifte af kurser for at specialisere dig yderligere inden for dit interessefelt eller udvide din viden til nye områder.

Det sidste semester er dedikeret til et gradsprojekt, der involverer deltagelse i avancerede forsknings- eller designprojekter i et akademisk eller industrielt miljø, i Sverige eller i udlandet. Med dette projekt får du demonstreret din evne til at udføre selvstændigt projektarbejde ved at bruge de færdigheder, du opnår fra kurserne i programmet. Tidligere har studerende fra programmet gennemført projekter hos virksomheder som Saab, Elekta, Flir, Eriksson, Tobii, Spotify, Thales og Huawei.

Dette er et toårigt program (120 ECTS-point) givet på engelsk. Kandidater tildeles graden Master of Science. Programmet gives hovedsageligt på KTH Campus i Stockholm af School of Electrical Engineering and Computer Science (på KTH ).

Emner dækket

Maskinlæring, deep learning, statistisk modellering, kunstig intelligens, computersyn, taleteknologi, informationssøgning og optimering.

Bæredygtig udvikling

Kandidater fra KTH har viden og værktøjer til at flytte samfundet i en mere bæredygtig retning, da bæredygtig udvikling er en integreret del af alle programmer. De tre nøglemål for bæredygtig udvikling, som kandidatuddannelsen i Machine Learning behandler, er:

• 3 Godt helbred og velvære
• 11 Bæredygtige byer og samfund
• 16 Fred, retfærdighed og stærke institutioner

Udviklingen inden for Machine Learning er begyndt at gennemsyre mange aspekter af vores liv, og det forudsiges at have en stadig mere dybtgående effekt på samfundet, for eksempel at gøre mange blå- og funktionærjob forældede på grund af øget automatisering eller forbedre patientresultater på grund af bedre personaliserede medicin og diagnose. Nogle af disse udviklinger gavner måske ikke alle i samfundet eller kan have utilsigtede konsekvenser. Som kandidater fra dette program vil du være meget velinformeret om de tekniske muligheder og potentielle anvendelser af Machine Learning, samt være godt positioneret til at skubbe fremskridtet af Machine Learning/AI endnu længere. Som en del af programmet, såvel som inden for KTH , fremhæver vi de etiske spørgsmål og ansvar, der følger med disse færdigheder og viden i obligatoriske kurser såsom DD2301 og DD2380. Vi ser disse ansvarsområder som værende i overensstemmelse med FN's Sustainable Development Goals, hvor vi specifikt fremmer bevidstheden om SDG'erne som en del af "DD2301: Program Integration Course" og også fremhæver brugssituationerne for "AI for good", som krydser hinanden med SDG'er, såsom i design og drift af vind- og solparker for at gøre dem mere effektive, diagnosticering og behandling af forskellige sygdomme og udformning af sundhedsinterventioner og præcisionsteknik for at fremme mere effektiv landbrugspraksis.

I det sidste år af deres studier vil studerende fra programmet have mulighed for at gennemføre afsluttende gradsprojekter, der er yderst relevante for flere SDG'er. Eksempler på, hvor sådanne projekter fandt sted tidligere, er:

• SDG: "Good Health and Well-being", med medicinsk teknologivirksomheder som Elekta og RaySearch;
• SDG: "Sustainable Cities and Communities", med automatisk overvågning af satellitbilleder inden for Division of Geoinformatics, KTH .
• SDG: "Peace and Justice Strong Institutions", med det uafhængige internationale institut SIPRI.

Efterspørgslen efter ingeniører og forskere med viden om Machine Learning vokser i takt med, at mængden af data i verden stiger. Efter endt uddannelse kan du forfølge en karriere i industrien, i en nystartet virksomhed eller i en traditionel veletableret virksomhed. Mulige titler er softwareudvikler, deep learning-ingeniør, computervisionsingeniør, dataanalytiker, softwareingeniør, kvantitativ analytiker, dataforsker og systemingeniør i virksomheder som Dice, Logitech, Google og McKinsey i for eksempel Sverige, Schweiz, Tyskland, Kina, Indien og USA.

Denne kandidatuddannelse er også et velegnet grundlag for arbejde i en forsknings- og udviklingsafdeling i industrien, samt for en fortsat forskerkarriere og ph.d.-studier.

Efter eksamen

Softwareudvikler, deep learning-ingeniør, computervisionsingeniør, dataanalytiker, softwareingeniør, kvantitativ analytiker, dataforsker og systemingeniør.