卡內(nèi)基梅隆大學(xué)機(jī)器學(xué)習(xí)碩士

卡耐基梅隆大學(xué)機(jī)器學(xué)習(xí)系開設(shè)的學(xué)位項(xiàng)目有：

機(jī)器學(xué)習(xí)理學(xué)碩士MSc Machine Learning ：為期1.5-2年，要求申請(qǐng)者本科畢業(yè)，擁有計(jì)算機(jī)科學(xué)專業(yè)背景，學(xué)習(xí)過復(fù)雜理論、編程、數(shù)學(xué)、概率、統(tǒng)計(jì)學(xué)、矩陣代數(shù)與多元微積分等基礎(chǔ)課程。該項(xiàng)目以授課內(nèi)容為主，含有一定的研究?jī)?nèi)容，無需撰寫畢業(yè)論文。核心課程包括：機(jī)器學(xué)習(xí)介紹、機(jī)器學(xué)習(xí)高級(jí)介紹、統(tǒng)計(jì)機(jī)器學(xué)習(xí)、中級(jí)統(tǒng)計(jì)學(xué)。畢業(yè)生可選擇就業(yè)或繼續(xù)攻讀博士學(xué)位。不提供任何形式的獎(jiǎng)學(xué)金，學(xué)生需自費(fèi)攻讀。

機(jī)器學(xué)習(xí)博士PhD in Machine Learning：為期4-5年，由計(jì)算機(jī)科學(xué)學(xué)院和統(tǒng)計(jì)學(xué)系聯(lián)合開設(shè)。要求申請(qǐng)者本科畢業(yè)，擁有計(jì)算機(jī)科學(xué)相關(guān)專業(yè)背景，其他專業(yè)背景者需修讀數(shù)學(xué)和計(jì)算機(jī)編程等相關(guān)前置課程，包括線性代數(shù)、概率、計(jì)算機(jī)科學(xué)等。所有錄取的學(xué)生均可獲得全額獎(jiǎng)學(xué)金，包括Fellowship、TA/RA

統(tǒng)計(jì)學(xué)與機(jī)器學(xué)習(xí)聯(lián)合博士Joint PhD in Statistics and Machine Learning：卡耐基梅隆大學(xué)統(tǒng)計(jì)學(xué)與機(jī)器學(xué)習(xí)聯(lián)合博士項(xiàng)目旨在幫助學(xué)生提升專業(yè)能力，以便將來能進(jìn)入頂尖大學(xué)的計(jì)算機(jī)科學(xué)和統(tǒng)計(jì)學(xué)兩個(gè)院系里開啟學(xué)術(shù)生涯。

機(jī)器學(xué)習(xí)與公共政策聯(lián)合博士Joint PhD in Machine Learning and Public Policy：卡耐基梅隆大學(xué)機(jī)器學(xué)習(xí)與公共政策聯(lián)合博士項(xiàng)目是一個(gè)由機(jī)器學(xué)習(xí)系和海茲學(xué)院聯(lián)合開設(shè)的新項(xiàng)目。其中，海茲學(xué)院是一個(gè)研究公共政策、信息系統(tǒng)和管理的學(xué)院。通過卡耐基梅隆大學(xué)機(jī)器學(xué)習(xí)與公共政策聯(lián)合博士項(xiàng)目的學(xué)習(xí)，學(xué)生將具備開發(fā)機(jī)器學(xué)習(xí)技術(shù)并將其應(yīng)用于真實(shí)政策領(lǐng)域的能力。

神經(jīng)計(jì)算與機(jī)器學(xué)習(xí)聯(lián)合博士Joint PhD in Neural Computation and Machine Learning: 卡耐基梅隆大學(xué)神經(jīng)計(jì)算與機(jī)器學(xué)習(xí)聯(lián)合博士項(xiàng)目通過結(jié)合機(jī)器學(xué)習(xí)課程和認(rèn)知神經(jīng)基礎(chǔ)中心的神經(jīng)計(jì)算課程，旨在培養(yǎng)學(xué)生將機(jī)器學(xué)習(xí)理論應(yīng)用于神經(jīng)科學(xué)領(lǐng)域的能力。

1、The AUTON Lab

2、Brain Image Analysis Research Group

3、Cell Organizer

4、Databases Group

5、Querendipity

6、Read the Web

7、Statistical Artificial Intelligence & Integrative Genomics (SAILING Lab)

8、Systems Biology Group

1、AUTON實(shí)驗(yàn)室（研究數(shù)據(jù)結(jié)構(gòu)與算法處理大型數(shù)據(jù)）

2、大腦圖像分析（用統(tǒng)計(jì)機(jī)器學(xué)習(xí)與算法分析數(shù)據(jù)）

3、細(xì)胞組織者（計(jì)算生物學(xué)）

4、數(shù)據(jù)庫（高性能數(shù)據(jù)庫結(jié)構(gòu)、多媒體、數(shù)據(jù)挖掘）

5、Querendipity（系統(tǒng)科研文獻(xiàn)大數(shù)據(jù)分析處理）

6、理解Web（計(jì)算機(jī)自動(dòng)上網(wǎng)學(xué)習(xí)）

7、統(tǒng)計(jì)人工智能與整合基因組學(xué)（多維度相關(guān)數(shù)據(jù)分析，如圖像分析、貝葉斯模型學(xué)習(xí)理論和數(shù)據(jù)挖掘）

8、系統(tǒng)生物學(xué)