Anvendt maskinlæring

Ta en utdanning i Anvendt maskinlæring

Med anvendt maskinlæring kan du lære systemer å lære fra data. Bli attraktiv for jobber innen kunstig intelligens og gå rett i jobb etter utdanningen.

Maskinlæring er et teknologifelt i rivende utvikling. Som et område innen kunstig intelligens (AI), fokuserer maskinlæring på å lære systemer hvordan systemene selv kan lære fra data. Målet er å gjøre det mulig for systemet å identifisere mønstre uten videre programmering, noe som gjør denne fremgangsmåten svært verdifull for selskaper.

Dette ettårige studiet lærer deg å skape mening fra Big Data. Utdanningen bruker datavitenskap til å kombinere aspekter fra programvareutvikling med kunstig intelligens (AI), og datalagring med datamanipulering og visualisering. Maskinlæring muliggjør et økt automatiseringsnivå som erstatter tidkrevende menneskelige aktiviteter gjennom automatiske teknikker. Ved å gjenkjenne og utnytte regelmessigheter i dataene kan vi oppnå bedre nøyaktighet og effektivitet.

Bli klar for jobb

Studiet fokuserer på praktiske ferdigheter i alle aspekter av maskinlæring, noe som gjør deg attraktiv for bedrifter. Det praktiske arbeidet vil gi deg kompetanse gjennom profesjonelle arbeidsflyter og metoder som brukes innen maskinlæring.

Studiets oppbygging

Studieåret starter med Problem Based Learning. Neste kurs er Introduction to Programming, med fokus på programvaredesign, algoritmisk tenkning og pseudokode. Videre følger Introduction to Data Mining, med fokus på mønstergjenkjenning, klyngeanalyse, klassifisering og regresjon.

Neste kurs er Data Pre-Processing, som omhandler datastandardisering, feature engineering og feature selection for modellering. Dette kurset lærer studentene å forstå utfordringer rundt datakvalitet og gir ferdigheter til å koble data-forbehandling og data, samt statistiske teknikker som lar deg forberede og formatere data på en strukturert måte.

Vi går deretter videre til Programming for Machine Learning, der studentene lærer å lage kode, formatere og manipulere data- og programtesting, samt løse problemer i koden din. Deretter følger Computational Intelligence, med fokus på maskinlæringsalgoritmer for klassifisering, klynging og regresjonsproblemer. Det er her du lærer å forbedre nøyaktigheten til maskinlæringsmodellene og optimalisere applikasjonen.

Det siste kurset er Data Visualization, som lærer deg styrker og svakheter ved konsepter og prosesser innen big data-visualisering, og verktøy og teknikker for forskjellige datatyper. Studieåret avsluttes med et eksamensprosjekt, der du demonstrerer kompetansen du har opparbeidet deg i løpet av studiet. Prosjektet oppfordrer studentene til å finne et virkelig prosjekt, for å tilegne seg praktisk erfaring i profesjonelle omgivelser.