CMU的Machine Learning全稱是Carnegie Mellon University的MS in Machine Learning,即卡內(nèi)基梅隆大學(xué)機器學(xué)習(xí)碩士,下面將詳細(xì)介紹CMU的Machine Learning的研究生申請要求。
卡內(nèi)基梅隆大學(xué)
卡耐基梅隆大學(xué)機器學(xué)習(xí)系開設(shè)的學(xué)位項目有:
機器學(xué)習(xí)理學(xué)碩士MSc Machine Learning :為期1.5-2年,要求申請者本科畢業(yè),擁有計算機科學(xué)專業(yè)背景,學(xué)習(xí)過復(fù)雜理論、編程、數(shù)學(xué)、概率、統(tǒng)計學(xué)、矩陣代數(shù)與多元微積分等基礎(chǔ)課程。該項目以授課內(nèi)容為主,含有一定的研究內(nèi)容,無需撰寫畢業(yè)論文。核心課程包括:機器學(xué)習(xí)介紹、機器學(xué)習(xí)高級介紹、統(tǒng)計機器學(xué)習(xí)、中級統(tǒng)計學(xué)。畢業(yè)生可選擇就業(yè)或繼續(xù)攻讀博士學(xué)位。不提供任何形式的獎學(xué)金,學(xué)生需自費攻讀。
機器學(xué)習(xí)博士PhD in Machine Learning:為期4-5年,由計算機科學(xué)學(xué)院和統(tǒng)計學(xué)系聯(lián)合開設(shè)。要求申請者本科畢業(yè),擁有計算機科學(xué)相關(guān)專業(yè)背景,其他專業(yè)背景者需修讀數(shù)學(xué)和計算機編程等相關(guān)前置課程,包括線性代數(shù)、概率、計算機科學(xué)等。所有錄取的學(xué)生均可獲得全額獎學(xué)金,包括Fellowship、TA/RA
統(tǒng)計學(xué)與機器學(xué)習(xí)聯(lián)合博士Joint PhD in Statistics and Machine Learning:卡耐基梅隆大學(xué)統(tǒng)計學(xué)與機器學(xué)習(xí)聯(lián)合博士項目旨在幫助學(xué)生提升專業(yè)能力,以便將來能進(jìn)入頂尖大學(xué)的計算機科學(xué)和統(tǒng)計學(xué)兩個院系里開啟學(xué)術(shù)生涯。
機器學(xué)習(xí)與公共政策聯(lián)合博士Joint PhD in Machine Learning and Public Policy:卡耐基梅隆大學(xué)機器學(xué)習(xí)與公共政策聯(lián)合博士項目是一個由機器學(xué)習(xí)系和海茲學(xué)院聯(lián)合開設(shè)的新項目。其中,海茲學(xué)院是一個研究公共政策、信息系統(tǒng)和管理的學(xué)院。通過卡耐基梅隆大學(xué)機器學(xué)習(xí)與公共政策聯(lián)合博士項目的學(xué)習(xí),學(xué)生將具備開發(fā)機器學(xué)習(xí)技術(shù)并將其應(yīng)用于真實政策領(lǐng)域的能力。
神經(jīng)計算與機器學(xué)習(xí)聯(lián)合博士Joint PhD in Neural Computation and Machine Learning: 卡耐基梅隆大學(xué)神經(jīng)計算與機器學(xué)習(xí)聯(lián)合博士項目通過結(jié)合機器學(xué)習(xí)課程和認(rèn)知神經(jīng)基礎(chǔ)中心的神經(jīng)計算課程,旨在培養(yǎng)學(xué)生將機器學(xué)習(xí)理論應(yīng)用于神經(jīng)科學(xué)領(lǐng)域的能力。
1、The AUTON Lab
2、Brain Image Analysis Research Group
3、Cell Organizer
4、Databases Group
5、Querendipity
6、Read the Web
7、Statistical Artificial Intelligence & Integrative Genomics (SAILING Lab)
8、Systems Biology Group
1、AUTON實驗室(研究數(shù)據(jù)結(jié)構(gòu)與算法處理大型數(shù)據(jù))
2、大腦圖像分析(用統(tǒng)計機器學(xué)習(xí)與算法分析數(shù)據(jù))
3、細(xì)胞組織者(計算生物學(xué))
4、數(shù)據(jù)庫(高性能數(shù)據(jù)庫結(jié)構(gòu)、多媒體、數(shù)據(jù)挖掘)
5、Querendipity(系統(tǒng)科研文獻(xiàn)大數(shù)據(jù)分析處理)
6、理解Web(計算機自動上網(wǎng)學(xué)習(xí))
7、統(tǒng)計人工智能與整合基因組學(xué)(多維度相關(guān)數(shù)據(jù)分析,如圖像分析、貝葉斯模型學(xué)習(xí)理論和數(shù)據(jù)挖掘)
8、系統(tǒng)生物學(xué)