机器学习硕士学位课程概述

在史蒂文斯机器学习硕士学位课程包括五个核心课程包括人工智能,深度学习和自然语言处理,和选修跨学科的列表。这两项课程注重理论分析和执行范围广泛的机器学习主题的。 OPTIONALLY学生可以在论文工作,该计划的教师之一。

通过这个节目的最后,学生将能够:

  • 理论的理解基本的机器学习算法
  • 使用机器学习做出决策和预测
  • 适当的统计和预测选择方法论
  • 建立统计模型的学习和了解自己的长处和局限性
  • 提供分类或回归结果的适当解释

学历要求: 

在机器学习工程硕士要求在研究中,至少包括四个核心课程和三门选修的批准的计划30个学分毕业。参与研究,通过CS 800或通过CS 900的硕士论文是可选的。愿你需要三个研究生课程作为选修自由。

核心课程包括:

  • 559 CS机器学习:基础知识与应用
  • CS 541的人工智能
  • 583 CS深度学习
  • 自然语言处理584个CS
  • 560 CS统计机器学习

选修课程包括:

  • 513 CS知识发现和数据挖掘
  • CS 532的3D计算机视觉
  • 545 CS人机交互
  • CS 544健康信息
  • CS 558计算机视觉
  • 582 CS因果推理
  • 598 CS视觉信息检索
  • 网络上的CS 609级的数据管理和探索
  • 654个岜实验设计
  • 660个岜网络分析
  • BIA 678项大数据技术
  • PEC 608应用的建模与优化
  • 695 PEC外加机器学习
  • 541信仰应用在金融应用统计
  • 541毫安统计方法
  • MA 630种先进的优化方法
  • 641毫安系列时间分析
  • 661毫安动态规划和学习
  • 800个CS在计算机科学中的特殊问题(与程序教员之一,最多6个学分)
  • CS 900毫秒论文在计算机科学(与节目教员之一,5-10学分)

看到所有可用的课程和学位要求→

了解一般要求→

如果您有现有的研究生学分或经验在这个领域的研究,接触 [电子邮件保护] 讨论的机会,包括在课程。