هوش مصنوعی و علوم داده - کالج وفادار در تورنتو جدید

برای یک حرفه در زمینه هیجان انگیز و ابتکاری هوش مصنوعی (AI) و تجزیه و تحلیل داده ها آماده شوید. فارغ التحصیلان این برنامه دو ساله تحصیلات تکمیلی مجهز به دانش و مهارت های تخصصی در هوش مصنوعی و داده های مورد نیاز برای طراحی و ساخت سیستم های داده محور برای تصمیم گیری در بخش های خصوصی و عمومی هستند. به عنوان فارغ التحصیل برنامه هوش مصنوعی تمام وقت وفادار و برنامه پس از فارغ التحصیلی ، شما برای امتحانات صدور گواهینامه در نرم افزارهای مرتبط با صنعت آماده خواهید شد.

• اعتبار

  گواهینامه فارغ التحصیل کالج دو ساله انتاریو

  ورود سپتامبر ، ژانویه و مه

  • محل

  حرفه خود را پیدا کنید

  متخصصان علوم هوش مصنوعی و داده های علوم داده شغلی را در بخش های مختلفی از جمله شرکت های مشاوره ، خدمات مالی ، دولت و اقتدار ، سازمان های بین المللی/غیرانتفاعی ، فناوری و تحقیقات پیدا می کنند.

  مهارت های اساسی را در زیر ایجاد کنید:

  • مدل سازی آماری و استنباط
  • فراگیری ماشین
  • تجسم داده ها
  • انبارداری داده ها
  • هوش تجاری
  • چشم انداز کامپیوتر
  • پیتون
  • ریاضیات برای علوم داده

  یادگیری تجربی ، از جمله یک اصطلاح کار تعاونی

  از طریق آموزش در تجزیه و تحلیل پیش بینی ، توصیفی و تجربی ، دانش مورد نیاز برای طراحی و ساخت سیستم های تصمیم گیری را بر اساس هوش مصنوعی و علم داده بدست آورید. در ادامه مهارت های دستی کسب کنید:

  • نحوه جمع آوری ، دستکاری و مجموعه داده های مین را برای تأمین نیاز سازمانی بیاموزید.
  • مهارت هایی را برای طراحی و استفاده از مدلهای داده خاص فرآیند و همچنین برای تهیه برنامه های نرم افزاری برای دستکاری در مجموعه داده ها ، همبستگی اطلاعات و تهیه گزارش ها کسب کنید.
  • تجربه شناسایی و ارزیابی تجزیه و تحلیل داده ها ، استراتژی های تجاری و گردش کار را برای پاسخ به فرصت های جدید یا ارائه راه حل های پروژه کسب کنید.
  • برای پشتیبانی از تصمیم گیری مبتنی بر شواهد ، مهارت هایی را در تجزیه و تحلیل داده ها ، ابزارهای هوش تجاری و تحقیقات ایجاد کنید.
  • در حال توسعه مدل ها و نمایندگان AI که از داده های سازمانی برای شناسایی الگوها استفاده می کنند ، بینش ارائه می دهند ، اقدامات را توصیه می کنند یا به نمایندگی از ذینفعان ، به صورت خودمختار انجام می دهند.
  • یک دوره کار تعاونی در ترم چهارم فرصتی برای به دست آوردن تجربه کار دست اول فراهم می کند.

  تعاونی ها از نظر کار تجربیات یادگیری با ارزش یکپارچه کار هستند که در آن دانشجویان نتایج ترم های قبلی را در تنظیمات صنعت کانادا نشان می دهند. علاوه بر مهارت های ساختمانی و شناسایی مخاطبین شغلی ، تعاونی ها از نظر کار تجربه ای مربوط به صنعت را به بازپرداخت دانشجویان می بخشد. بازار کار تعاونی رقابتی است و از دانشجویان انتظار می رود که در جستجوی شغلی خود به طور فعال شرکت کنند. دانش آموزان برای دستیابی به تعاونی ها با اطلاعات و مهارت ها پشتیبانی می شوند.

  دوره های آموزشی

  ترم چهار توجه: دانشجویان علاوه بر رقابت Kaggle یا دوره صدور گواهینامه حرفه ای ، در یک مکان همکاری نیز شرکت می کنند. به دلیل یک مسئله فنی به طور نادرست در زیر نشان داده شده است. لطفاً برای اطلاعات بیشتر به نقشه برنامه: صفحه وب کالج وفادار مراجعه کنید.

  • سال اول - ترم یک
    • اصول AISC1005 AI و بهترین شیوه ها در کانادا
    • دانش آموزان در مورد اصول هوش مصنوعی و علوم داده و نحوه اعمال بهترین شیوه ها در کار خود در یک زمینه کانادایی می آموزند.
    • AISC1004 مدل های قطعی و بهینه سازی
    • هدف اصلی در این دوره این است که دانش آموزان را در مدل های بهینه سازی ، تئوری و الگوریتم ها به دانش آموزان کامل بپردازیم. سطح دوره مقدماتی است و دامنه آن گسترده است ، بنابراین فقط مهمترین و نماینده ترین مدل ها و الگوریتم ها پوشش داده می شوند. مطالب ارائه شده از نزدیک با روشهای آماری مدرن مانند تجزیه و تحلیل شبکه ، رگرسیون کوئینتیلی و آمار ابعادی بالا مرتبط خواهد بود.
    • AISC1003 یادگیری ماشین 1
    • این دوره مقدمه ای برای برخی از تکنیک های اساسی یادگیری ماشین مورد نیاز برای علم داده است. این یک آموزش محکم در الگوریتم های محاسباتی برای مشکلات نظارت شده (طبقه بندی و رگرسیون) مانند درختان تصمیم گیری و جنگل ها ، ماشین های بردار پشتیبانی یا نزدیکترین همسایگان فراهم می کند. این دوره شامل یک مؤلفه دستی است که بر استفاده از زبانهای اسکریپت علمی متمرکز است و توجه ویژه به زبان پایتون اختصاص دارد.
    • AISC1002 ریاضیات برای علوم داده
    • این دوره مفاهیم ریاضی اساسی مربوط به داده ها و علوم کامپیوتر را معرفی می کند و پایه ای برای مطالعه بیشتر در علوم داده ، آمار و امنیت سایبری فراهم می کند. مباحث تحت پوشش شامل احتمال (مجموعه ، شمارش ، احتمال ابتلا به بدیهی ، قضیه بیز) است. بهینه سازی و حساب (تمایز ، ادغام ، توابع چندین متغیر ، تقریب سری ، نزول شیب). جبر خطی (بردارها و ماتریس ها ، جبر ماتریس ، فضاهای بردار). و ریاضیات گسسته (القاء ، معادلات اختلاف). این دوره بین هر یک از این مفاهیم اساسی ریاضی و برنامه های علوم داده مدرن ارتباط برقرار می کند و برنامه نویسی پایتون را برای بررسی داده ها ، الگوریتم ها و تجسم معرفی می کند.
    • AISC1000 Python
    • این دوره اصول پایتون را در بر می گیرد و توضیح می دهد که چرا بهترین گزینه برای پروژه های علوم داده است. پایتون مدتهاست که به عنوان یک زبان برنامه نویسی ساده برای درک ، از دیدگاه نحوی شناخته شده است. این دوره شامل مقدمه ، ساختار داده ها ، دستکاری داده ها ، اکتشاف داده ها ، حلقه ها و شرایط ، تجسم داده ها ، طرح ریزی و پیتون است.
    • مدل سازی و استنباط آماری AISC1001
    • این دوره مفاهیم احتمال و آمار را ارائه می دهد. احتمال و آمار اساس علم داده را تشکیل می دهد. نظریه احتمال برای پیش بینی مهم است. تخمین ها و پیش بینی ها بخش مهمی از علوم داده را تشکیل می دهند. این دوره توضیح می دهد که چگونه می توانیم با استفاده از آمار تخمین هایی را برای تجزیه و تحلیل بیشتر انجام دهیم. این دوره اصول آماری مانند قضیه گرایش مرکزی و انواع توزیع را در بر می گیرد.
    • ارائه مرحله AISC1006 (مرحله 1)
    • ارائه دوره پایان دانش آموز (مرحله) به یادگیرنده کمک می کند تا منطقی مفاهیم نظری را به زمینه های کاربردهای عملی ترتیب دهد. در مرحله 1 ، تمام مفاهیم آموخته شده در ترم یک بر روی داده های زنده به صورت یک تکلیف گروهی تمرین می شوند ، که در آن شرکت کنندگان گروه بینش داده های موجود را با استفاده از یادگیری مفهومی بدست می آورند.
    • سال اول - ترم دو
      • AISC2003 تجزیه و تحلیل پیشرفته
      • این دوره مفاهیمی از تکنیک های پیشرفته تحلیلی مانند یادگیری گروه ، خوشه بندی مبتنی بر چگالی ، خوشه بندی فازی ، کاهش ابعاد ، کیسه زدن ، تقویت شیب ، استخراج دنباله و تجزیه و تحلیل جریان را ارائه می دهد. این روشهای گروهی را با استفاده از الگوریتم های یادگیری متعدد برای به دست آوردن عملکرد پیش بینی بهتر از آنچه می توان از هر یک از الگوریتم های یادگیری تشکیل دهنده به تنهایی بدست آورد ، پوشش می دهد. پیش نیاز: AISC 1002
      • ارتباطات تجاری AISC2005 در کانادا
      • این دوره دانشجویان را برای استفاده از تکنیک های مناسب ارتباطات تجاری ، مانند گزارش نوشتن و مهارت های ارائه ، آماده می کند و مهارت های بین فردی و نحوه ایجاد روابط مشتری را در یک محیط تجاری کانادا پوشش می دهد.
      • تکنیک های داستان پردازی داده AISC2004
      • این دوره اصول داستان های مؤثر داده محور را پوشش می دهد. دانش آموزان یاد می گیرند که چگونه داستانها را در پشت مجموعه داده ها تشخیص و بیان کنند و یافته های داده را در زمینه های بصری ، شفاهی و کتبی برای مخاطبان و ذینفعان مختلف ارتباط برقرار کنند. دانش آموزان با ابزارهای مرتبط آشنا می شوند.
      • تجسم داده AISC2001
      • این دوره مفاهیم تجسم داده ها را ارائه می دهد و ابزارهای تجسم را توضیح می دهد. این دوره مباحثی از قبیل منابع مختلف داده ، ابرداده ، تهیه داده ها ، اتصالات و ترکیب داده ها را در بر می گیرد. توابع مبانی مانند مرتب سازی و فیلتر در این دوره پوشش داده می شود و تکنیک هایی مانند مته پایین و سلسله مراتب ، خطوط مرجع و خطوط TENT توضیح داده می شود.
      • AISC2002 انبارداری داده و هوش تجاری
      • در این دوره ، دانش آموزان مروری بر راه حل های مدرن برای ذخیره و تجزیه و تحلیل داده های بزرگ و همچنین تمرین دستی با پایگاه داده ها ، سیستم های ساختمانی برای جمع آوری داده ها از اینترنت و ایجاد داشبورد های وب زنده دریافت می کنند. دانش آموزان تشویق می شوند که در دوره اول با خلاقیت فکر کنند و از دانش سایر دوره ها استفاده کنند تا نمایش آموزنده داده هایی را که می توانند با عوارض داشبورد آموزش داده شده در کلاس ایجاد کنند ، ارائه دهند.
      • AISC2000 یادگیری ماشین 2
      • این دوره زمینه یادگیری ماشین را با تمرکز بر مفاهیم اصلی یادگیری تحت نظارت و بدون نظارت معرفی می کند. در یادگیری تحت نظارت ، ما در مورد الگوریتم هایی که بر روی داده های ورودی برچسب زده شده با خروجی مورد نظر آموزش داده می شوند ، بحث خواهیم کرد. دانش آموزان الگوریتم هایی را می آموزند که زیربنای بسیاری از تکنیک های محبوب یادگیری ماشین و همچنین درک روابط نظری بین این الگوریتم ها است. یادگیری عملی مربوط به کاربرد یادگیری ماشین در طیف وسیعی از مشکلات دنیای واقعی خواهد بود. پیش نیاز: AISC 1003 ، AISC 1000 ، AISC 1002
      • ارائه مرحله AISC2006 (مرحله 2)
      • ارائه دوره پایان دانش آموز (مرحله) به یادگیرنده کمک می کند تا منطقی مفاهیم نظری را به زمینه های کاربردهای عملی ترتیب دهد. در مرحله 2 ، تمام مفاهیم آموخته شده در ترم دو بر روی داده های زنده به صورت یک تکلیف گروهی تمرین می شوند ، که در آن شرکت کنندگان گروه بینش داده های موجود را با استفاده از یادگیری مفهومی بدست می آورند که تاکنون بدست آمده است. همکار: AISC 2000 ، AISC 2001 ، AISC 2002 ، AISC 2003
      • سال دوم - ترم سه
        • آماده سازی محل تعاونی AISC2014
        • این دوره دانشجویان را برای دستیابی به تعاونی آماده می کند که انتقال آنها از آموزش پس از دوره دوم به تجربه صنعت کانادا را برطرف کند. نامه های جلد و رزومه های مؤثر ، استفاده مثبت از رسانه های اجتماعی مانند LinkedIn و مهارت های مصاحبه پولیش برای بازارهای کانادا مورد توجه قرار خواهد گرفت.
        • چشم انداز رایانه AISC2008
        • این دوره مفاهیم و اصول بینایی رایانه را ارائه می دهد. مباحثی مانند پردازش تصویر پوشش داده می شود. تکنیک های بینایی رایانه مانند تشخیص شی ، ردیابی شی و تشخیص عمل پوشش داده می شود ، و همچنین تقسیم بندی تصویر و سنتز. پیش نیاز: AISC 1000
        • مدیریت پروژه علوم داده AISC2011 و جمع آوری نیاز
        • این دوره به زبان آموزان این امکان را می دهد تا با موفقیت یک پروژه علوم داده را مدیریت کنند. این دوره دانشجویان را از طریق فعالیت های داده کاوی در زمینه مدیریت پروژه می برد. این پروژه ورودی و خروجی کلیه فعالیتهایی را که به مدیریت مؤثر پروژه یک پروژه علوم داده کمک می کند ، توضیح می دهد. طبق بهترین روشهای مدیریت پروژه ، دانش آموزان را راهنمایی می کند تا ذینفعان مناسب را برای کمک به تعیین معیارهای موفقیت داده کاوی برای دستیابی به اهداف تجاری درگیر کنند. پیش نیاز: AISC 1000
        • AISC2007 یادگیری عمیق
        • این دوره مفاهیمی از یادگیری عمیق چنین اصول اولیه شبکه های عصبی ، شبکه های عصبی عمیق و شبکه های عصبی مکرر (RNN) را ارائه می دهد. مباحث تحت پوشش شامل اصول شبکه های عصبی مصنوعی و نحوه اجرای آنها به زبان برنامه نویسی پایتون است. پیش نیاز: AISC 1000 ، AISC 1003 ، AISC 2000
        • AISC2013 استقرار راه حل های AI
        • این دوره بر تست واحد و سیستم ، مدیریت چرخه عمر مدل و کاربرد واقعی زندگی هوش مصنوعی متمرکز خواهد شد. اکتشافی دقیق از خط لوله نگهدارنده ، نحوه استقرار AI در ابر و بهترین روشهای عملیاتی هوش مصنوعی به پایان می رسد. پیش نیاز: AISC 1000 ، AISC 1003 ، AISC 2000 همکار: AISC 2007
        • پردازش زبان طبیعی AISC2009
        • این دوره مفاهیم پردازش زبان طبیعی (NLP) را ارائه می دهد. مفاهیم استخراج متن و کاربردهای آن ، اصول اولیه NLP ، مانند POS ، تشخیص موجودیت ، بیان منظم و نحوه اجرای آنها ، تجزیه و تحلیل احساسات ، مدل سازی موضعی و خوشه بندی در دوره های متنی پوشش داده می شود. پیش نیاز: AISC 1000
        • برنامه نویسی AISC2010 و استقرار دستگاه های IoT
        • این دوره به بررسی بازار اطراف اینترنت اشیاء (IoT) ، فناوری مورد استفاده در ساخت این نوع دستگاه ها ، نحوه برقراری ارتباط آنها ، نحوه ذخیره داده ها و انواع سیستم های توزیع مورد نیاز برای پشتیبانی از آنها می پردازد. پیش نیاز: AISC 1000
        • ابزارهای AISC2012 برای AI
        • این دوره اصول اولیه SQL ، MySQL ، NOSQL و MONGODB را بررسی می کند. این امر شامل اصول Docker و Kubeetes ، Data Lake و استراتژی تمرکز خواهد بود. ایجاد و استقرار یک API ، آنچه که Elk Stake است و مقدمه ای برای Spark و Computing توزیع شده نیز پوشش داده می شود. پیش نیاز: AISC 1000
        • سال دوم - ترم چهارم (گروه انتخابی 1)
          • پروژه صنعت کاربردی AISC3000 - هوش مصنوعی و علوم داده
          • پروژه Capstone دانش آموزان را قادر می سازد تا با استفاده از داده های عمومی ، مشکلات جهانی واقعی را انجام دهند. دانش آموزان مهارت های تجزیه و تحلیل داده های اکتشافی را برای ساختن یک مدل پیش بینی دقیق اعمال می کنند. پیش نیاز: AISC 2002 ، AISC 2003 ، AISC 2004 ، AISC 2005 ، AISC 2006 ، AISC 2007 ، AISC 2014 ، AISC 2008 ، AISC 2009 ، AISC 2010 ، AISC 2012 ، AISC 2013 ، AISC 1000 ، AISC 1001 ، AISC 1002 ،AISC 1003 ، AISC 1004 ، AISC 1005 ، AISC 1006 ، AISC 2000 ، AISC 2001
          • تعاونی صنعت COOP3000
          • دانش آموزان مهارت های خود را در زمینه توسعه نرم افزار و پایگاه داده در یک محیط کار کانادایی به کار می گیرند: AISC 1000 ، AISC 1001 ، AISC 1002 ، AISC 1003 ، AISC 1004 ، AISC 1005 ، AISC 1006 ، AISC 2000 ، AISC 2001 ، AISC 2002 ، AISC 2003 ،AISC 2004 ، AISC 2005 ، AISC 2006 ، AISC 2007 ، AISC 2008 ، AISC 2009 ، AISC 2010 ، AISC 2011 ، AISC 2013 ، AISC 2014
          • یادداشت
          • 1 دوره را از بالا انتخاب کنید
          • سال دوم - ترم چهارم (گروه انتخابی 2)
            • AISC3001 رقابت Kaggle
            • این دوره به دانشجویان این امکان را می دهد تا مجموعه های داده را پیدا و منتشر کنند ، مدل ها را در یک محیط داده مبتنی بر وب مبتنی بر وب ، کار با سایر دانشمندان داده و مهندسان یادگیری ماشین کار کنند و برای حل چالش های علوم داده وارد مسابقات شوند.
            • آماده سازی صدور گواهینامه حرفه ای AISC3002
            • دانشجویان برای تقویت ویژگی های اشتغال خود پس از فارغ التحصیلی ، در جهت صدور گواهینامه تلاش خواهند کرد. پیش نیاز: AISC 1000 ، AISC 1003 ، AISC 2000 ، AISC 1002 ، AISC 2014
            • یادداشت
            • 1 دوره را از بالا انتخاب کنید

            *دوره های مورد تغییر.

            تهیه آزمون صدور گواهینامه

            به عنوان فارغ التحصیل برنامه اطلاعاتی مصنوعی تمام وقت وفادار و برنامه پس از فارغ التحصیلی ، شما آماده نوشتن امتحانات صدور گواهینامه در نرم افزارهای مرتبط با صنعت خواهید بود.

            چقدر هزینه دارد؟

            هزینه های تقریبی در هر سال (2322 - 23)

            هزینه های زیر شامل هزینه های زندگی ، کتاب های درسی یا هزینه ها و منابع اضافی برنامه اضافی نیست.

            • شهریه بین المللی: 15000 دلار
            • هزینه های جانبی: 902. 38 دلار
            • بیمه درمانی (اجباری): 600 دلار
            • کل: 16،502. 38 دلار CAD

            *هزینه های مورد تغییر. شهریه و شهریه فوق بر اساس دو ترم مطالعه در هر سال تحصیلی است.

            مدت کار تعاونی و هزینه های پروژه کاربردی

            در طول ترم 4 ، دانشجویان شهریه استاندارد را پرداخت نمی کنند. در عوض ، هزینه کار تعاونی 900 دلار یا هزینه پروژه کاربردی 2800 دلار وجود دارد. دانشجویان تشویق می شوند که به طور فعال در تضمین یک دوره کار تعاونی شرکت کنند و به پشتیبانی مهارت و دسترسی به فرصت های شغلی از کالج وفادار در تورنتو ارائه می شوند. در صورت عدم واجد شرایط بودن دانش آموز یا نمی تواند یک دوره کار تعاونی را تأمین کند ، آنها در ترم آخر خود یک پروژه کاربردی را تکمیل می کنند. برای برنامه هوش مصنوعی و برنامه علوم داده ، دانشجویان موظفند یک دوره اضافی را برای کمک به گواهینامه صنعت یا تجربه ای که علاوه بر هزینه های تعاونی یا کاربردی پروژه نیز 270 دلار هزینه دارد ، طی کنند.

            شرایط پذیرش

            آماده سازی دانشگاهی مورد نیاز

            دیپلم یا مدرک تحصیلات رایانه ای ، فناوری ، مهندسی ، تجزیه و تحلیل ، ریاضیات یا آمار از کالج یا دانشگاه شناخته شده یا معادل آن. تجزیه و تحلیل داده ها ، زبان های رایانه ای و مهارت های ریاضی قوی برای موفقیت در این برنامه توصیه می شود.

            تمام تدریس در وفادار به زبان انگلیسی انجام می شود. برای موفقیت در یک برنامه ، مهارت هایی مانند ارتباطات ، درک مطلب گوش دادن و خواندن و نوشتن باید در سطح کافی برای پاسخگویی به خواسته های مطالعات پس از دوره متوسطه باشد. از کلیه متقاضیان وفادار که زبان اول آنها انگلیسی نیست ، یا تحصیلات قبلی وی به زبان دیگری بوده است ، انتظار می رود ارزیابی مهارت انگلیسی را برای تأیید پذیرش ارائه دهند. جزئیات مربوط به زبان و الزامات پذیرش عمومی در اینجا موجود است.

            چگونه درخواست شود

            دانشجویان بین المللی اکنون می توانند با تماس با استخدام emruitment@edusolutions. ca در کالج وفادار در تورنتو اقدام کنند.