upGrad

Master in Machine Learning & AI

Questo programma è ideale per:

• Professionisti che desiderano intraprendere ruoli di intelligenza artificiale/apprendimento automatico
• Ingegneri e sviluppatori di software che mirano a specializzarsi in soluzioni basate sull'intelligenza artificiale
• Data scientist e analisti che cercano conoscenze avanzate in deep learning e intelligenza artificiale
• Laureati STEM desiderosi di acquisire competenze nell'apprendimento automatico e nelle applicazioni di intelligenza artificiale

Statistiche ed EDA

• EDA + Benvenuto
• Introduzione a Git e Github
• Caso di studio Lending Club
• Statistiche inferenziali
• Controllo di un'ipotesi

Apprendimento automatico - I

• Modulo di regressione lineare
• Assegnazione di regressione lineare: società di bike sharing (regressione della domanda)
• Regressione logistica
• Naive Bayes
• Selezione del modello
• Settimana di revisione - Test di abilità

Apprendimento automatico - II

• Regressione avanzata
• Assegnazione di regressione avanzata + SVM (facoltativo)
• Modelli di albero
• Foreste casuali + considerazioni pratiche
• Potenziamento - 1
• Clustering non supervisionato
• PCA
• Caso di studio sull'abbandono delle telecomunicazioni
• Buffer - Prova di abilità

Apprendimento approfondito

• Introduzione alle reti neurali - Parte 1
• Introduzione alle reti neurali - Parte 2
• Reti neurali involutive
• Compito: Reti neurali convoluzionali
• CNN: Considerazioni pratiche
• Reti neurali ricorrenti
• Riconoscimento dei gesti - Progetto
• Esame domenica fine settimana
• Settimana di revisione - Prova di abilità (DL)

Elaborazione del linguaggio naturale

• PNL - Elaborazione lessicale
• PNL - Elaborazione sintattica
• Compito di PNL - Elaborazione sintattica
• PNL - Elaborazione Semantica
• Progetto di classificazione dei biglietti
• Buffer - Test di abilità (PNL)

Elettivo: MLops Elettivo

• Modulo prerequisito
• Introduzione a MLops
• Progettazione di sistemi di apprendimento automatico
• Sperimentare dati e modelli utilizzando MLflow
• Automazione e orchestrazione delle pipeline con Airflow
• Costruire un'infrastruttura di apprendimento continuo
• Progetto MLOps
• PNL avanzata - Introduzione al meccanismo dell'attenzione
• PNL avanzata - Introduzione ai trasformatori
• CV avanzato - Rilevamento degli oggetti e segmentazione semantica
• MLOps + Distribuzione: DL (Teoria)
• MLOps + Distribuzione: DL (Studio di caso)
• Esame domenica fine settimana
• Settimana di revisione - Test di abilità

Elettivo: Elettivo di intelligenza artificiale generativa

• PNL avanzata - Introduzione al meccanismo dell'attenzione
• PNL avanzata - Introduzione ai trasformatori
• "Fondamenti di intelligenza artificiale generativa, ChatGPT e ingegneria dei prompt utilizzando tecniche di non ragionamento, catena di pensiero e tecniche avanzate"
• Sviluppo del prodotto utilizzando le API OpenAI, messa a punto utilizzando la tecnica STaR in Python
• Integrazione del parlato tramite Whisper API e distribuzione dell'applicazione tramite Flask
• Fondamenti di LLMS multimodale come diffusione stabile, viaggio intermedio
• "Fondamenti di design, fotografia e sviluppo di prodotti utilizzando la diffusione stabile in Python e applicazioni di LLM per problemi di scienza dei dati come clustering e classificazione"
• Progetto GenAI
• Applicazioni di LLM per creare incorporamenti per documenti di grandi dimensioni
• Applicazioni di archivi vettoriali come Pinecone per archiviare e indicizzare gli incorporamenti di documenti di grandi dimensioni
• Comprendere l'importanza di LangChain e delle sue applicazioni
• Inizializzare gli agenti, gli strumenti e l'archivio vettoriale per l'archiviazione e il recupero
• Collega i componenti utilizzando Chain ed esplora la potenza degli strumenti in LangChain
• Scala e distribuisci app di intelligenza artificiale generativa utilizzando i servizi Azure OpenAI
• Sviluppi futuri nell'intelligenza artificiale generativa

Capstone

• Capstone

Metodologie di ricerca

• Introduzione alla ricerca e al processo di ricerca
• Progetto di ricerca
• Revisione della letteratura
• Gestione del progetto di ricerca
• Abilità di scrittura e presentazione di report
• Etica Scientifica

Tesi di laurea

• Indagare i modelli dietetici e le impronte digitali dei metaboliti dei consumatori di alimenti da asporto (fast) utilizzando metodi PCA e clustering
• Indagare una diagnosi di malattie degli occhi utilizzando dati oftalmici di imaging
• Struttura le immagini mediche con la geometria delle informazioni
• Utilizzo dei feed dei social media per posizionare i tweet sui disastri naturali su una mappa
• Prevenzione delle frodi con carta di credito attraverso il riconoscimento dei modelli
• Sviluppo di un sistema di raccomandazione per un gigante dei media
• Modellazione del rischio per attività finanziarie e investment banking

Completando questo programma, sarai in grado di:

• Padroneggia i concetti di intelligenza artificiale e apprendimento automatico con applicazioni rilevanti per il settore
• Costruisci e distribuisci modelli di intelligenza artificiale per casi d'uso reali
• Acquisisci competenze in apprendimento profondo, NLP e visione artificiale
• Sviluppa esperienza pratica con oltre 10 progetti ML/AI
• Fai progredire la tua carriera con le credenziali riconosciute a livello mondiale della LJMU

Dopo aver completato questo programma, potrai esplorare ruoli quali:

• Padroneggia i concetti di intelligenza artificiale e apprendimento automatico con applicazioni rilevanti per il settore
• Costruisci e distribuisci modelli di intelligenza artificiale per casi d'uso reali
• Acquisisci competenze in apprendimento profondo, NLP e visione artificiale
• Sviluppa esperienza pratica con oltre 10 progetti ML/AI
• Fai progredire la tua carriera con le credenziali riconosciute a livello mondiale della LJMU