MSc en statistique et apprentissage automatique

• Début: août 2021
• Lieu d'étude: Linköping
• Niveau: deuxième cycle

Le développement rapide des technologies de l'information a submergé la société d'énormes volumes d'informations générés par des systèmes vastes ou complexes issus des télécommunications, de la robotique, de la médecine, des affaires et de nombreux autres domaines. Ce programme de maîtrise relève les défis d'apprentissage de ces volumes complexes au moyen de modèles et d'algorithmes de l'apprentissage automatique, de l'exploration de données et d'autres méthodes statistiques à forte intensité informatique. En nous rejoignant, vous augmenterez l'efficacité et la productivité des systèmes et les rendrez plus intelligents et plus autonomes.

Apprenez à faire des prédictions fiables

Le programme se concentre sur des méthodes modernes d'apprentissage automatique et de gestion de bases de données qui utilisent la puissance des statistiques pour créer des modèles efficaces et faire des prévisions fiables et des décisions optimales. Vous acquerrez des connaissances théoriques approfondies ainsi qu'une expérience pratique grâce à de nombreux travaux de laboratoire. Si vous souhaitez compléter vos études avec des cours dans d'autres universités, vous pouvez participer à des études d'échange au cours du troisième semestre.

En fonction de vos intérêts, vous travaillerez à votre thèse dans une entreprise, une institution gouvernementale ou une unité de recherche à LiU. Là, vous pouvez appliquer vos connaissances à un problème réel et rencontrer des personnes qui utilisent des analyses de données avancées dans la pratique ou vous pouvez approfondir la recherche.

Ce programme est pour vous si vous aspirez à apprendre à:

• améliorer la capacité du logiciel de reconnaissance vocale d'un téléphone mobile à distinguer les voyelles dans un environnement bruyant
• fournir une alerte précoce d'une crise financière en analysant la fréquence des mots liés à la crise dans les médias financiers et les forums Internet
• améliorer le marketing dirigé en analysant les habitudes d'achat dans les bases de données scanners des supermarchés
• construire un filtre anti-spam efficace
• estimer l'effet que la nouvelle législation routière aura sur le nombre de décès dans les accidents de la route
• utiliser un ensemble de données complexes de puces à ADN pour en savoir plus sur les facteurs de risque de cancer
• déterminer l'origine d'un échantillon d'huile d'olive à l'aide de graphiques interactifs et dynamiques

Syllabus et détails du cours

Le programme s'étend sur deux ans et comprend 120 crédits, y compris une thèse.

Le bloc de cours d'introduction contient un cours de statistique de base qui est recommandé aux étudiants ayant une formation en informatique ou en génie, et un cours de programmation qui est recommandé aux étudiants ayant un diplôme en statistique ou en mathématiques. Les cours Machine learning, Advanced Data Mining, Deep Learning, Big Data Analytics, Computational Statistics et Bayesian learning constituent le cœur du programme.

En outre, les étudiants à la maîtrise ont la liberté de choisir parmi des cours de profil - visant à renforcer les compétences statistiques et analytiques des étudiants - et des cours complémentaires - qui permettent aux étudiants de se concentrer sur des domaines appliqués particuliers ou des cours pertinents d'autres disciplines. Des opportunités d'études d'échange sont offertes au cours du troisième semestre du programme.

Pour obtenir le diplôme, les étudiants doivent avoir réussi 90 crédits ECTS de cours dont 42 crédits ECTS des cours obligatoires, un minimum de 6 crédits ECTS des cours d'introduction, un minimum de 12 crédits ECTS des cours du profil et, éventuellement, un certain nombre de cours complémentaires. Les étudiants doivent également avoir soutenu avec succès une thèse de maîtrise de 30 crédits ECTS.

Opportunités de carrière

Un spécialiste en forte demande

La demande augmente rapidement pour des spécialistes capables d'analyser des systèmes et des bases de données vastes et complexes à l'aide de méthodes informatiques modernes. Les affaires, les télécommunications, l'informatique et la médecine ne sont que quelques exemples de domaines dans lesquels nos étudiants sont en forte demande et trouvent des postes d'analyse avancés après l'obtention de leur diplôme.

Les étudiants qui visent une carrière scientifique trouveront dans le programme le cadre idéal pour de futures recherches. De nombreux conférenciers du programme sont des chercheurs de renommée internationale dans les domaines des statistiques, de l'exploration de données, de l'apprentissage automatique, de la méthodologie des bases de données et des statistiques informatiques.

Conditions d'entrée

Baccalauréat équivalent à un Kandidatexamen suédois en statistiques, mathématiques, mathématiques appliquées, informatique, ingénierie ou un diplôme similaire. Cours terminés avec une note de passage dans les matières suivantes:

• calcul
• algèbre linéaire
• statistiques
• la programmation

Anglais correspondant au niveau d'anglais dans l'enseignement secondaire supérieur suédois (anglais 6 / B). Exemption du suédois 3.

Sélection spéciale

La sélection sera basée sur:

Mérites académiques et lettre d'intention

Chaque candidat doit, par conséquent, joindre une lettre d'intention rédigée en anglais, expliquant pourquoi le candidat souhaite étudier dans le cadre du programme, en quoi la formation académique du candidat est liée au contenu du programme et en quoi la formation académique du candidat correspond au les exigences du programme. S'il y a des cours dans les relevés de notes du candidat qui correspondent aux cours mentionnés dans les exigences spécifiques, il est recommandé au candidat de nommer ces cours dans la lettre d'intention. Il est également recommandé que le candidat inclue une description de toute autre expérience pertinente dans la lettre d'intention (expérience de travail, participation à un projet, etc., liée aux exigences spécifiques du programme ou au contenu du programme). Soumettez votre lettre d'intention avec d'autres documents aux admissions universitaires.