课程概述
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）
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。