KTH Royal Institute of Technology

MSc Machine Learning

År 1

Emner som går i periode 1 og 2 i år 2 kan potensielt tas i periode 1 og periode 2 i år 1 dersom det fører til en overkommelig arbeidsmengde for studenten.

Bortsett fra de obligatoriske og betinget valgfrie emnekravene står studenten fritt til å velge mellom alle andre syklus og språkkurs gitt ved KTH for å ta sitt antall fullførte emnepoeng til 90 studiepoeng. Førstesykluskurs kan tas (selv om vi foretrekker at studenter tar andresyklusemner), men ikke mer enn 30 studiepoeng kan telles mot eksamen. Anbefalte kurs er for de som ønsker å utvide sin kompetanse og kunnskap innen informatikk og programvareteknikk. Et avsluttende gradsprosjekt skal også gjennomføres.

Studentene må gjennomføre de obligatoriske emnene (A.1.1) og betinget valgfrie emner. De betinget valgte kursene er gruppert i to sett; Applikasjonsdomene (A.1.3) og teori (A.1.4). En student må fullføre:

- minst 6 kurs fra Application Domain og Theory,

med de begrensninger som

- minst 2 av de 6 kursene er fra Teorikursene og
- minst 2 av de 6 kursene er fra Application Domain-kursene.

Dette betyr eksplisitt at studenter for å oppgradere må ha enten fullført:

- 2 kurs fra Application Domain og 4 kurs fra teori,
- 3 kurs fra Application Domain og 3 kurs fra teori,
- 4 kurs fra Application Domain og 2 kurs fra Teori.

Bortsett fra de obligatoriske og betinget valgfrie emnekravene står studenten fritt til å velge mellom alle andre syklus og språkkurs gitt ved KTH for å ta antall fullførte studiepoeng på 90 studiepoeng. Førstesykluskurs kan tas (selv om vi foretrekker at studenter tar sekundærkurs), men ikke mer enn 30 studiepoeng kan telles mot eksamen. Kurs som ikke er tillatt som valgfag er hobbykurs som matlaging, barservering osv. I del A.1.5 lister vi opp et sett med anbefalte kurs som studentene kan ta spesielt de som ønsker å utvide sin kompetanse og kunnskap innen informatikk og programvare Engineering. Et avsluttende gradsprosjekt (A.1.2) skal også gjennomføres.

Studenter som i tidligere grad har lest et emne tilsvarende DD1420, DD2380 eller DD2434 kan søke om å lese et erstatningskurs i stedet. Søknaden sendes til masterkoordinator som etter gjennomgang av tidligere lest emne gir tillatelse til at studenten kan ta et erstatningsemne fra settet med betinget valgfrie eller anbefalte emner. Emneavløseremnet, dersom det er et betinget valgemne, vil ikke telle med i ett av de 6 betingede valgemnekravene.

Student som fullførte sine tre første studieår ved KTH innenfor programmet CINTE, som har lest ID1214 Kunstig intelligens og applikasjoner, kan søke om å lese et erstatningskurs. Kontakt hovedkoordinator i henhold til instruksjonen ovenfor.

Obligatoriske kurs

• Innføring i vitenskapsfilosofi og forskningsmetodikk (DA2205) 7,5 studiepoeng
• Fundamenter for maskinlæring (DD1420) 7,5 studiepoeng
• Programintegreringskurs i maskinlæring (DD2301) 3,0 studiepoeng
• Kunstig intelligens (DD2380) 6,0 studiepoeng
• Maskinlæring, videregående kurs (DD2434) 7,5 studiepoeng

År 2

Obligatoriske kurs

• Gradsprosjekt i informatikk og ingeniørfag, med spesialisering i maskinlæring, andre syklus (DA233X) 30,0 studiepoeng
• Programintegreringskurs i maskinlæring (DD2301) 3,0 studiepoeng

Bærekraftig utvikling

Nyutdannede fra KTH har kunnskapen og verktøyene for å flytte samfunnet i en mer bærekraftig retning, ettersom bærekraftig utvikling er en integrert del av alle programmer. De tre viktigste målene for bærekraftig utvikling tatt opp av masterprogrammet i maskinlæring er:

• 3 God helse og velvære
• 11 Bærekraftige byer og lokalsamfunn
• 16 Fred, rettferdighet og sterke institusjoner

Utviklingen innen maskinlæring har begynt å gjennomsyre mange aspekter av livet vårt, og det er spådd å ha en stadig dypere effekt på samfunnet, for eksempel å gjøre mange blå- og hvitsnippjobber foreldet på grunn av økt automatisering eller bedre pasientresultater på grunn av bedre personaliserte medisiner og diagnose. Noen av disse utviklingene er kanskje ikke til nytte for alle i samfunnet eller kan ha utilsiktede konsekvenser. Som nyutdannede av dette programmet vil du være veldig godt informert om de tekniske egenskapene og potensielle anvendelsene til Machine Learning, i tillegg til å være godt posisjonert for å presse utviklingen av Machine Learning/AI enda lenger. Som en del av programmet, så vel som innenfor KTH , fremhever vi de etiske spørsmålene og ansvaret som vil følge med disse ferdighetene og kunnskapene i obligatoriske kurs som DD2301 og DD2380. Vi ser på disse ansvarsoppgavene som å være på linje med FNs bærekraftsmål, der vi spesifikt fremmer bevissthet om bærekraftsmålene som en del av «DD2301: Program Integration Course» og også fremhever brukstilfellene av «AI for good», som krysser hverandre med SDGs, for eksempel i utforming og drift av vind- og solparker for å gjøre dem mer effektive, diagnostisering og behandling av ulike sykdommer og utforming av helseintervensjoner, og presisjonsteknikk for å fremme mer effektiv jordbrukspraksis.

I det siste året av studiene vil studenter fra programmet få mulighet til å fullføre avsluttende gradsprosjekter som er svært relevante for flere SDG. Eksempler på hvor slike prosjekter fant sted tidligere er:

• SDG: "Good Health and Well-being", med medisinske teknologiselskaper som Elekta og RaySearch;
• SDG: «Sustainable Cities and Communities», med automatisk overvåking av satellittbilder innenfor avdelingen for geoinformatikk, KTH .
• SDG: "Peace and Justice Strong Institutions", med det uavhengige internasjonale instituttet SIPRI.

Etterspørselen etter ingeniører og forskere med kunnskap om maskinlæring vokser etter hvert som mengden data i verden øker. Etter endt utdanning kan du satse på en karriere i industrien, i en oppstart eller i et tradisjonelt veletablert selskap. Mulige titler er programvareutvikler, dyplæringsingeniør, datasynsingeniør, dataanalytiker, programvareingeniør, kvantitativ analytiker, dataforsker og systemingeniør i selskaper som Dice, Logitech, Google og McKinsey i for eksempel Sverige, Sveits, Tyskland, Kina, India og USA.

Dette masterstudiet er også et egnet grunnlag for arbeid i en forsknings- og utviklingsavdeling i industrien, samt for en fortsatt forskerkarriere, og doktorgradsstudier.

Etter endt utdanning

Programvareutvikler, dyplæringsingeniør, datasynsingeniør, dataanalytiker, programvareingeniør, kvantitativ analytiker, dataforsker og systemingeniør.