Machine Learning & Deep Learning MSc

本课程包含若干必修模块和一个可选模块，最终以硕士项目结束。必修模块包括：智能感知与机器学习推理（10学分），涵盖机器学习与人工智能的理论与实践基础，强调负责任的数据使用与可持续设计；神经网络与深度学习（10学分），聚焦神经网络在工程问题中的应用及其决策支持作用；数据挖掘中的机器学习（20学分），讲授核心算法、适用场景及局限性；作业与专业研究（20学分），支持学术与职业发展，学生需自主研究电子或电气工程课题并提升表达能力；数字信号处理原理（20学分），涵盖离散时间信号处理核心技术，并结合Matlab实验；大数据技术（20学分），内容涉及Python基础、现代数据分析、云计算NoSQL系统、Map-Reduce编程模型等。学生还需从以下两门中任选一门20学分的选修课：图像与视频处理，介绍图像视频处理、压缩标准及应用；或信息获取与挖掘，讲授从文本与非文本资源中提取信息、建模与模式识别的技术。完成所有必修与选修课程后，学生将进入硕士项目（60学分），开展一项综合性实践研究，整合所学知识，利用工程文献及实验或仿真方法完成独立课题。