UCL-机器学习领域的核心工科项目

该课程的理学硕士课程教授如何设计机器学习系统，这些系统将在未来几十年构成我们经济、社会和工业的基础。它为学生提供了在初创企业、知名公司或研究机构的集成机器学习系统工程一般领域从事各种职业所需的专业知识。

学生将学习数据采集的原理，包括用于采集数据的传感器和设备；数据分析的原则；机器学习技术；以及用于传输、存储、保护和处理数据的基础设施。因此，学生还将学习如何将能够获取、处理和分析数据的集成系统组合在一起。

关于课程

该理学硕士课程为学生提供有关机器学习技术的整体视图，包括数据采集、数据分析的原理和实践，以及用于传输、存储、保护和处理数据的基础设施。

该理学硕士课程还为学生提供广泛的硬件、软件和系统技能，使他们能够开发即将到来的机器学习系统来支持我们的经济和社会。

该理学硕士课程由各自领域的世界领先学者提供，并得到伦敦大学学院电子与电气工程系最先进的设施和实验室的支持。

课程结构

核心模块

• 研究项目

所有学生都进行了一项独立的研究项目，最终完成了一篇约 12,000 字的论文。

• 应用机器学习系统 I (MLS-1)

本模块将涵盖机器学习系统工程的基本原理和实践。特别是，该模块将涵盖广泛的主题，例如机器学习工程概论、监督学习算法、非监督学习算法、核学习和神经网络。该模块将包括一系列讲座以及一系列动手编程课程（或远程进行），以便学生可以学习如何应用机器学习技术来解决各种数据科学问题。

• 应用机器学习系统 II (MLS-II)

本模块将涵盖机器学习系统工程的高级原理和实践，包括深度学习、深度强化学习、生成对抗网络以及机器学习工程的未来方向。该模块还将包括基于编程语言/平台（例如 Python 或 R 或 TensorFlow）的实验室课程，以便学生可以学习如何应用机器、学习技术来解决各种高级机器学习任务。

• 数据采集和处理系统 (DPS)

DAPS 模块将涵盖数据科学系统的数据收集、准备和存储的技术、原理和应用。特别是，该模块将涵盖广泛的主题，例如采样理论与实践、数据收集与数据库查询与处理、基于图形的处理以及压缩传感技术。

该模块还将包括实验室课程，以便学生可以学习如何应用基本原理来解决数据库查询和处理、数据整理和处理领域的问题。

• 云、数据中心和边缘计算

该模块将提供有关如何设计数据中心网络的基本技术细节，从交换机技术和架构到网络协议、拓扑和互连，同时深入研究未来系统的高级解决方案。此外，模块将使用近年来在顶级场所的技术研究论文到边缘计算的主题，以及基于 Python 的动手实验室来模拟边缘计算系统。

• 安全和隐私

该模块将涵盖安全计算机系统和网络的设计、开发和评估。特别是，它将关注“大数据”世界中的安全/隐私挑战。我们还将关注新兴技术，例如区块链和分布式账本技术，它们在安全和隐私方面具有重要前景。

• 集成机器学习系统中的新兴主题

该模块由一系列每周一次的研讨会组成，这些研讨会由机器学习技术领域的知名学者、实业家或其他利益相关者举办，旨在让学生了解该领域最前沿的话题，包括机器学习理论、算法和技术的最新进展。

选修模块

可选模块每年都会有所不同。示例可选模块可能包括：

• 互联网协议网络简介

本模块一般性地介绍了 IP 网络和数据网络。它遵循自下而上的方法，从第 2 层开始以太网和 IEEE 802.11 的覆盖范围。然后它涵盖了 IP 协议（IPv4 和 IPv6）的基本知识，重点介绍了域内和域间的网络路由。

• 物联网

该模块旨在为学生提供构建物联网 (IoT) 系统的扎实技术知识和技能。该课程具有重要的实践元素，因为绝大部分技术内容将在实验室课程期间提供，学生将在实验室课程中完成涉及系统设计、设备编程、云开发和数据分析的练习。

• 自然语言处理的深度学习

自然语言处理 (NLP) 领域是人工智能最有用的应用领域之一，它现在已融入我们日常生活的各个方面，从智能手机到搜索引擎。在本模块中，我们将探讨 NLP 的基本概念及其与现代深度学习技术的交集。通过掌握前沿方法，学生将获得从 NLP 基础知识过渡到为对话系统、自动摘要和翻译以及问答等现实世界应用实施复杂深度学习模型的技能。该课程将提供实验室课程和作业，专门针对通过在语音激活设备上实施和部署一些学到的技术来将它们付诸实践。

• 创业精神：理论与实践

这是 UCL 的主要创业课程，面向积极寻求开发和测试新商业理念的学生。它与那些正在考虑组建自己的企业的人最相关，但对于在现有组织内推动新举措的“内部创业者”也很有价值。

未来就业

学生将在集成机器学习系统的一般领域获得广泛的理论和实践知识和技能，包括数据采集、数据分析以及用于传输、存储、保护和处理数据的基础设施。

特别是，学生将接触机器学习系统的原理和实践，包括支持此类系统的硬件、软件和网络组件。因此，完成本课程后，学生将有能力在工业界或学术界从事广泛的职业。

预计该硕士课程将提供集成机器学习系统工程一般领域的专业人员，这些专业人员可以被该地区的新兴行业招聘，例如新兴的初创企业或需要招聘具有必要技能的工程师的成熟公司建立系统以理解数据的技能。还预计该理学硕士将提供有能力继续进一步博士研究的研究人员。

录取要求

至少获得英国大学电子和电气工程、计算机科学及相关领域的二等学士学位或同等标准的海外资格。

需要编程语言（例如 C、C++、Python、Java 或类似语言）的基本知识（例如，相关本科标准模块中的英国 2:1 标准）。

代数、分析、概率或统计学也需要数学基础知识 （例如，相关本科标准模块中的英国 2:1 标准）。

申请人必须表现出对培养思维和解决问题能力的兴趣。

UKVI雅思要求：6.5 分，各项不低于6.0

另外：

• 请注意，在任何申请周期中，您最多可以提交两个研究生课程的申请（或一个法律 LLM 申请）。
• 该专业竞争激烈，达到最低要求不能保证录取。