首页文章详情

美国人工智能硕士项目~

杨娟

2021-11-18 11:17:08

人浏览

立即下载，留学必备资料库！

了解详情

留学费用计算器算一算就知道

了解详情

金吉列留学第70届国际教育展

了解详情

专注背景提升，1V1深度咨询

了解详情

#卡内基梅隆大学 #斯坦福大学 #麻省理工

据百度联合央视新闻发布的《百度2020年高考搜索大数据报告》，2020年十大热搜专业中，人工智能专业占据热搜榜第一。

目前，很多高校都开设了人工智能专业，从课程体系结构来看，主要分成四大部分，第一部分是基础学科部分，主要涉及到数学和物理相关课程；第二部分是计算机基础课程，涉及到编程语言、操作系统、算法设计等课程；第三部分是人工智能基础课程，涉及到人工智能基础、机器学习、控制学基础、神经科学、语言学基础等内容；第四部分涉及到人工智能平台相关知识。

由于人工智能是典型的交叉学科，所以人工智能专业需要学习的内容还是相对比较多的，而且学习难度也相对比较大。由于人工智能专业的学习过程对于学习环境有较高的要求，所以开设人工智能专业的高校往往都会有专门的数据中心、计算中心，以便于为学生提供数据和算力的支撑。

人工智能目前有六大研究方向，涉及到计算机视觉、自然语言处理、机器人学、自动推理、机器学习和知识表示，这些研究方向之间也存在比较紧密的联系，目前计算机视觉、自然语言处理和机器学习这三个方向的热度相对比较高。由于不同的高校往往有不同的资源整合能力，在人工智能领域也有一定的侧重点，所以在选择具体学习方向的时候，应该结合所在高校的实际情况，尽量选择学科实力比较强的方向，这样会有一个更好的学习体验。

下面梁老师给大家推荐在人工智能硕士专业方面比较强的美国高校。

Carnegie Mellon University（卡内基梅隆大学）

Master of Science in ArtificialIntelligence an Innovation 人工智能与创新理学硕士

卡内基梅隆大学MSAII项目于2018年成立，是生物技术、创新和计算硕士课程的继任者，旨在对硕士生进行实用的人工智能应用程序的设计、工程和部署方面的培训，同时为他们从事创业活动做好准备。

在该项目中，学生将接受有关机器学习和语言技术的严格培训，从而开发出必要的技能，以创新AI系统来解决实际的问题。

该项目课程分为核心课程、知识要求和选修课三类。要获得MSAII学位，需要完成一个顶峰项目，进行项目开发。除此之外，每个学生都必须在夏季的第一个春季和第二个秋季学期之间完成行业实习。实习不收取任何学费。

申请条件：

GPA3.0及以上（4.0分制）
正式成绩单
CV、SOP
三封推荐信
1-3分钟的自我介绍短视频
GRE可选
语言要求：托福不低于100；雅思不低于7

Massachusetts Institute of Technology（麻省理工学院）

Master of Engineering 工程硕士

麻省理工学院计算机科学与人工智能实验室（CSAIL）在计算机科学与人工智能的整个范围内从事基础研究，当前的研究活动涵盖三个主要领域，其中之一便是人工智能。

人工智能（AI）领域旨在理解和开发具有智能推理、感知和行为能力的系统（包括生命系统和人工系统）。具体研究包括核心AI计算生物学、计算机图形学、计算机视觉、人类语言技术、机器学习、医学信息学、机器人技术和语义网。

申请条件：

个人简介
三封推荐信
成绩单
SOP
语言要求：托福不低于100/雅思不低于7

Stanfor University（斯坦福大学）

Master of Computer Science 计算机科学硕士

MSCS学生必须从九个预定义专业中选择一个，其中人工智能专业是能够完全远程完成的。不同的专业之间存在一些重叠，因为有些课程可以应用于多个专业。

人工智能包括对人工智能原理和技术的研究，以及有关逻辑、概率和语言等课程的基础要求。

主要课程包括知识表达和逻辑推理，机器人技术，机器学习，概率建模和推理，自然语言在生物学和文本过程的处理、认知及应用。

申请条件：

CV
三封推荐信
成绩单
GRE分数
语言要求：托福不能低于89

University of California Berkeley 加州大学伯克利分校

Master in Computer Science 计算机科学硕士

加州大学伯克利分校人工智能专业学习包括深度学习、知识表达、推理、学习、计划、决策、视觉、机器人技术、演说和自然语言处理等核心领域的基础研究。

其学习还涉及来自统计、神经科学、控制、优化和运筹学的技术和工具。在将算法改进应用于包括生物信息学、网络和系统、搜索和信息检索在内的多个领域中。

研究主题包括：

学习和概率推断：图形模型；内核方法；非参数贝叶斯方法；强化学习；解决问题、决策和游戏。
知识表示与推理：一阶概率逻辑；符号代数。
搜索和信息检索：协同过滤；信息提取；图像和视频搜索；智能信息系统。
言语和语言：解析；机器翻译；语音识别；语境建模；对话系统。
视觉：对象识别；场景理解；人类活动识别；主动视觉；分组和图基；可视数据挖掘。
机器人技术：深度学习、感知、运动计划；计算机辅助的手术和医学分析；计划与监控；无人飞行器。

申请条件：

学士学位
GPA3.0及以上（4.0分制）
SOP、CV
成绩单
个人历史记录
三封推荐信
语言要求：托福不低于90/雅思不低于7

University of Washington（华盛顿大学）

Ms in Computer Science & Engineering 计算机科学与工程硕士

华盛顿大学人工智能小组主要研究智能行为基础的计算机机制，他们活跃于广泛的研究领域，包括机器学习、自然语言处理、概率推理、自动化计划、机器阅读和智能用户界面。

该项目分为8个不同的研究领域：

自动化计划与控制
脑机接口与计算神经科学
计算生物学
智能互动
机器学习
自然语言处理
机器人技术
图形与影像实验室（GRAIL）

申请条件:

计算机科学或计算机工程或相关领域学士学位，并至少完成了以下本科课程：数据结构，算法，计算机系统和编程语言。
GPA3.0及以上（往年录取申请人平均为3.5）
申请人简介
学术史
两封推荐信（可交三封）
CV、PS
学术背景表格
语言要求：托福不低于92

尽管 AI 技术将取代很多的工作岗位，但同时也将创造出新就业岗位。新的技术带来新的机会，学人工智能，那未来有哪些发展方向呢？

1、数据分析

数据科学家是近年来数据专家里分析类的新类别，主要是通过数据挖掘进行分析来了解复杂的行为、趋势和推论，发掘隐藏的一些见解，帮助企业做出更明智的业务决策，数据分析师一出手！市场导向全在手！数据分析方向还可以分得更细，数据存储和管理、数据清理、数据挖掘、数据可视化。

2、AI机器学习工程师

大多数情况下，机器学习工程师都是与数据分析工程师合作来同步他们的工作。因此，对于机器学习工程师的需求也会出现类似于数据科学家需求增长的趋势。数据科学家在统计和分析方面具有更强的技能，而机器学习工程师则应该具备计算机科学方面的专业知识，他们通常需要更强大的编码能力。

3、数据标签专业人员

随着数据收集几乎在每个垂直领域实现普及，数据标签专业人员的需求也将在未来呈现激增之势。事实上，在 AI 时代，数据标签可能会成为蓝领工作。意思就是，假设你想训练一台机器来识别飞机，你有 100 万张照片，其中有一些照片里边有飞机，有一些没有飞机。那你需要有人先来教会计算机哪些图像有飞机，哪些又没有飞机，给他们贴上识别标签。

4、AI硬件专家

AI 领域内另外一种日益增长的蓝领工作是负责创建 AI 硬件(如 GPU 芯片)的工业操作工作。大科技公司目前已经采取了措施，来建立自己的专业芯片，国内的芯片研发之路也在进行当中。

5、数据保护专家

由于有价值的数据、机器学习模型和代码不断增加，未来也会出现对于数据保护的需求，因此也就会产生对于数据库保护 IT 专家的需求。