Specialisatie Artificiële Intelligentie

Over

De AI specialisatie gaat over het bouwen van intelligente software-artefacten. We benadrukken de principes van dynamische systemen en zelf-organisatie en beginnen met de principes van complexe dynamische systemen in aanverwante vakken, zoals wiskunde, natuurkunde en biologie. Naast data-mining en big data zullen studenten worden blootgesteld aan actuele onderzoek in de vakken van adaptieve systemen, multi-agent systemen, de origine van taal, bioinformatica en computationele creativiteit.

In Detail

Het AI-laboratorium van de VUB is het langst bestaande AI-onderzoekscentrum op het Europese vasteland en dateert van 1982. Deze unieke geschiedenis zorgt in onze Artificial Intelligence (AI) masterspecialisatie voor een brede en diepe expertise in Artificial Intelligence-onderzoek en -technologie. Ze dekt de fundamenten van het vakgebied tot en met de laatste ontwikkelingen. De specialisatie richt zich op AI-engineering: je leert computationele intelligente systemen te programmeren en hun mogelijkheden in detail te bestuderen. Na het succesvol afronden van de specialisatie ben je goed voorbereid op een carrière in Artificial Intelligence, op het snijvlak van de huidige golf van intelligente computersystemen. Deze specialisatie erkent dat AI zeer snel verandert en heeft als doel je uit te rusten met de technische en intellectuele vaardigheden van een onafhankelijke zelfsturende leerling, die in staat is om de huidige trends voor te blijven en zo bij te dragen aan de industrie of de academische wereld op het hoogst mogelijke niveau gedurende een boeiende carrière.

Als student in de AI-specialisatie bestudeer je, pas je de nieuwste AI-technieken toe, waaronder op logica gebaseerde, statistische en probabilistische, en neurale inferentiesystemen, cognitieve modellering, multi-agentsamenlevingen met opkomende intelligentie, taalverwerking, reinforcement learning en computationele creativiteit, dit alles in een wiskundige en wetenschappelijke context, waarbij de kloof tussen toepassing en theorie wordt overbrugd. In je masterscriptie doe je origineel onderzoek onder leiding van een internationaal gerenommeerde AI-specialist en je werk kan een bijdrage leveren aan de lopende projecten van het lab, waardoor je een blijvende bijdrage levert aan de AI-wetenschap.

De AI-specialisatie bestaat uit drie verplichte vakken en een brede keuze aan keuzevakken die je in staat stellen om je eigen persoonlijke accent te leggen tijdens je studie. Zo kun je bijvoorbeeld leren hoe je kennis kunt opslaan zodat deze zowel door mensen als door computers kan worden begrepen, en hoe je deze achteraf kunt gebruiken om automatisch problemen op te lossen; als je geïnteresseerd bent in machinaal leren, kun je bestuderen hoe computers en robots kunnen leren door te zoeken naar interessante patronen in gegevens, of hoe ze kunnen leren uit ervaring en geleidelijk aan beter kunnen worden in het uitvoeren van een taak; als je geïnteresseerd bent in taal kun je bestuderen hoe kunstmatige intelligentie kan worden gebruikt om te onderzoeken hoe taal werkt, hoe het is geëvolueerd en hoe computers het kunnen begrijpen, produceren en leren; als je geïnteresseerd bent in hoe computers kunnen bijdragen aan creatieve activiteiten in de wetenschap, kunst en muziek, kun je creatieve productie bestuderen vanuit het cognitieve perspectief (hoe doen mensen dat? ), vanuit een engineering-perspectief (welke AI-systemen kunnen het doen?) of vanuit een filosofisch perspectief (wat is creativiteit eigenlijk?); als je geïnteresseerd bent in het effect van AI op de wereld, kun je de ethiek en de sociale impact ervan bestuderen. De keuze is aan u.

Artificiële Intelligentie is een specialisatie in onze 2 jaar durende masteropleiding in Computerwetenschappen van 120 ECTS. Studenten van deze specialisatie moeten slagen voor de zorgvuldig ontworpen kern van 30 ECTS die alle vier de specialisaties gemeen hebben, de 23 ECTS van vier verplichte vakken binnen deze specialisatie, minstens 7 ECTS van keuzevakken binnen de specialisatie, nog eens 30 ECTS van keuzevakken uit deze of een van de andere specialisaties, en voor een onderzoeksopleiding van 6 ECTS en een masterscriptie van 24 ECTS.

Hieronder volgt de lijst met verplichte cursussen:

Statistical Foundations of Machine Learning (kern, 6 ECTS, sem 2)
Machine Learning is toepasbaar op veel taken uit de echte wereld, en bestaat voornamelijk uit het leren van correlaties in data, of tussen in- en outputs. In deze cursus worden alle fundamentele aspecten van de meest voorkomende Machine Learning benaderingen uitgelegd, zodat de studenten perfect begrijpen hoe ze goed functionerende Machine Learning systemen kunnen ontwerpen, hun prestaties nauwkeurig kunnen meten en het resultaat van de leerprocedure zo efficiënt mogelijk kunnen gebruiken. Deze cursus legt ook uit hoe verschillende algoritmen werken, zoals de kleinste-kwadratenregressie, neurale netwerken of beslisingsbomen.
Heuristic Optimisation (kern, 5 ECTS, sem 2)
Veel taken die met computers worden opgelost kunnen worden gezien als optimalisatieproblemen, waarvoor een programma een oplossing moet bouwen die één of meer scalaire doelstellingen maximaliseert of minimaliseert. Het vinden van de kortste route tussen twee punten in een stad, of het minimaliseren van de kosten van het reizen per vliegtuig, zijn voorbeelden van optimalisatieproblemen. Deze cursus verkent de grote verscheidenheid aan algoritmen die optimalisatieproblemen bij benadering oplossen, om zeer goede oplossingen te garanderen tegen lage rekenkosten.
Actual Trends in Artificial Intelligence (verdieping, 6 ECTS, sem 1+2)
De artificiële intelligentie ontwikkelt zich in een ongelooflijk tempo. In deze cursus wordt de nieuwste vooruitgang op het gebied van state-of-the-art AI geïntroduceerd. In de loop van tien gastcolleges komen experts uit hun vakgebied aan het woord over hun nieuwste onderzoek. Naast het theoretische gedeelte zullen de studenten in de AI-uitdagingen de geleerde technieken in een team toepassen, om zo een AI-gedreven toepassing te creëren!
Computational Game Theory (kern, 6 ECTS, sem 1)
Net als mensen leven AI-systemen niet in afzondering. Het heeft geen zin om één enkel verkeerslicht slim te maken, maar de verkeerslichten moeten zich als een team organiseren om de verkeersdoorstroming te optimaliseren. Het doel van de cursus is om de cursisten kennis te laten maken met het veld van de "learning agents", waarbij het leren in een groep of populatie van agenten gebeurt. De studenten zullen ook een basisinzicht krijgen in de (evolutieve) speltheorie en de complexe netwerken die hen toelaten de wetenschappelijke literatuur in dat domein en de relevantie van dit domein voor het leren in het algemeen te begrijpen.

Artificiële Intelligentie is een specialisatie in onze 2 jaar durende masteropleiding in Computerwetenschappen van 120 ECTS. Studenten van deze specialisatie moeten slagen voor de zorgvuldig ontworpen kern van 30 ECTS die alle vier de specialisaties gemeen hebben, de 23 ECTS van vier verplichte vakken binnen deze specialisatie, minstens 7 ECTS van keuzevakken binnen de specialisatie, nog eens 30 ECTS van keuzevakken uit deze of een van de andere specialisaties, en voor een onderzoeksopleiding van 6 ECTS en een masterscriptie van 24 ECTS.

Hieronder volgt de lijst met keuzevakken binnen deze specialisatie:

Adaptive Systems Seminar (verdiepend, 6 ECTS, sem 2)
Tijdens deze cursus zullen we een aantal videocolleges van MLSS bekijken en bespreken, een terugkerende zomercursus voor doctoraatsstudenten in machine learning. De lezingen worden gegeven door topexperts in het betreffende onderwerp.
Processus dynamiques (verbredend, 5 ECTS, sem 2)
Deze cursus biedt een introductie in belangrijke technieken voor het analyseren van stochastische en dynamische processen zoals wachtrijen en voorraadbeheersystemen.
Multi-agent Learning Seminar (verdiepend, 6 ECTS, sem 1+2)
Door middel van lezingen en een project (geen examen) onderzoeken we hoe we met Reinforcement Learning learning agents kunnen ontwerpen. Reinforcement Learning is een leerparadigma waarbij agenten hun toestand observeren en acties uitvoeren en feedback krijgen. Op basis van deze feedback leren ze geleidelijk aan om de beloning die ze krijgen te maximaliseren en worden ze beter en beter in de taak die ze moeten uitvoeren. Net als hoe kinderen leren fietsen. Het seminar legt verschillende manieren uit om praktische middelen te ontwerpen, van zeer eenvoudig tot complex (diep) en de verschillende settings waarin Reinforcement Learning toepasbaar is.
Evolution of speech (verbredend, 6 ECTS, sem 1)
In deze cursus bestuderen we een reeks computationele technieken die gebruikt worden om spraak en taal te modelleren. We passen deze toe op de studie van spraak en taal vanuit een evolutionair perspectief. De twee doelen van de cursus zijn het introduceren van computationele modellen van spraak en taal en het laten zien hoe AI-technieken kunnen worden gebruikt om een bredere wetenschappelijke vraag te bestuderen.
Discrete Modeling, Optimization, and Search using Answer Set Programming (verdiepend, 6 ECTS, sem 1)
In deze cursus bestuderen we moderne technieken voor combinatorisch zoeken en het formalisme voor kennisrepresentatie "answer set programming". In het laatste geval worden combinatorische zoek- of optimalisatieproblemen beschreven in een taal op hoog niveau zodanig dat de formulering van het probleem en de methode om oplossingen te vinden volledig gescheiden worden.
Computational Creativity (verbredend, 6 ECTS, sem 2)
Computational Creativity is de studie van computersystemen die in staat zijn om dingen te doen die, als een mens ze zou doen, creatief zouden worden genoemd. Dit omvat kunst, muziek en literatuur, maar ook receptuurontwerp, wetenschap, techniek en wiskunde. Deze cursus behandelt de filosofie, wetenschap en technologie van computationele creativiteit in een gemengde reeks van lezingen en seminars. Elke student bouwt zijn eigen computationeel creatief systeem.
Computer Vision (verbredend, 4 ECTS, sem 1)
Deze cursus richt zich op het begrijpen en toepassen van fundamentele wiskundige en computationele technieken in computer vision, en op het implementeren van basis computer vision-toepassingen.
Swarm Intelligence (verbredend, 5 ECTS, sem 2)
Swarm intellligence is de discipline die zich bezighoudt met natuurlijke en kunstmatige systemen die bestaan uit vele individuen die samenwerken met behulp van gedecentraliseerde controle en zelforganisatie. In het bijzonder richt de discipline zich op het collectieve gedrag dat voortvloeit uit de lokale interacties van de individuen met elkaar en met hun omgeving. Voorbeelden van systemen die door swarm intelligence worden bestudeerd zijn mieren- en termietenkolonies, scholen vissen, zwermen vogels, kuddes landdieren.
Advanced Methods in Bioinformatics (verdiepend, 6 ECTS, sem 2)
Deze cursus richt zich op algoritmen en methoden in de computationele biologie, met actieve deelname van de studenten aan de implementatie van dergelijke algoritmen. De cursus behandelt methoden en bijbehorende algoritmen voor het oplossen van problemen met betrekking tot eiwitsequenties, eiwitevolutie en eiwitstructuur, evenals Next Generation Sequencing data analyse en strategieën voor de ontdekking van regulerende motieven, in het bijzonder genomics en transcriptomics data met betrekking tot kanker.
Artificial Intelligence Programming Paradigms (verbredend, 6 ECTS, sem 1)
In deze cursus leer je programmeren met behulp van de meest centrale paradigma’s in de symbolische AI, waaronder unificatie, zoekstrategieën, heuristieken, meta-layer architecturen and computationele reflectie. Je leert zowel de theoretische als praktische aspecten hiervan, waardoor je aan het einde van de cursus in staat zal zijn je eigen intelligente systemen te bouwen.
Natural Language Processing (verdiepend, 6 ECTS, sem 2)
In deze cursus bouw je intelligente systemen die in staat zijn om met hun omgeving te communiceren door middel van natuurlijke taal. Het fundamentele idee hierachter is dat de betekenis van natuurlijke taaluitingen kan worden gemodelleerd als uitvoerbare programma's. De student zal de nodige kennis en vaardigheden verwerven om een uitdagend AI-onderzoeksproject te managen in het subveld van situated natural language understanding.
Decision Engineering (verbredend, 5 ECTS, sem 2)
Het doel van deze cursus is om de basisprincipes van de beslissingstheorie te introduceren. Het hoofddoel is te illustreren hoe wiskundige modellen en specifieke algoritmen kunnen worden gebruikt om besluitvormers te helpen bij complexe problemen (waarbij een groot aantal alternatieven / meerdere criteria / onzekere of risicovolle uitkomsten / meerdere besluitvormers betrokken zijn, ...).

Artificiële Intelligentie is een specialisatie in onze 2 jaar durende masteropleiding in Computerwetenschappen van 120 ECTS. Studenten van deze specialisatie moeten slagen voor de zorgvuldig ontworpen kern van 30 ECTS die alle vier de specialisaties gemeen hebben, de 23 ECTS van vier verplichte vakken binnen deze specialisatie, minstens 7 ECTS van keuzevakken binnen de specialisatie, nog eens 30 ECTS van keuzevakken uit deze of een van de andere specialisaties, en voor een onderzoeksopleiding van 6 ECTS en een masterscriptie van 24 ECTS.

Klik hier voor het officiële overzicht van dit programma met een volledige lijst van keuzevakken.

Bijkomend kan men tot 12 ECTS kiezen uit het bachelorprogramma Computerwetenchappen, mits goedkeuring van de examencommissie.