人工智能技术正在日益广泛地应用于各个行业，更多企业需要拥有AI方面知识的精英人才。
在克兰菲尔德大学应用人工智能专业，同学们将通过逻辑与推理、数据分析、深度学习、智能体架构等核心主题，系统学习人工智能相关知识，并掌握将理论内容应用于解决现实世界中工程问题的能力。
为什么选择该专业
在应用人工智能专业，同学们将具备跨学科工作的理论基础与实践能力，并能够在未来真正应用人工智能系统，具体行业领域包括安全、海洋、环境等，欢迎拥有工程、物理、计算机或数学背景的毕业生申请。
以行业为导向
英国克兰菲尔德大学的应用人工智能专业由工业咨询委员会（Industrial Advisory Panel）指导，委员会不仅提供方向，更直接参与教学实践，每年召开两次会议，确保课程内容与行业需求相匹配。
不仅如此，委员会成员还会提出行业相关的研究挑战，并据此制定个人毕业论文的研究方向。部分成员还会出席学生论文展示会，为学生提供与潜在雇主直接交流的宝贵机会。
课程设置
学生需完成8门必修课程，授课方式包括讲座、行业研讨会、小组讨论、小组演示、案例研究、实验室实验等。课程考核方式为授课模块40%、小组项目20%、个人研究项目40%，在个人研究项目方面，同学们可以选择自己感兴趣的兴趣领域，或参考合作伙伴提供的现实问题/技术开放方向，近期研究项目示例包括：
无人/自主车辆动态中的因果学习
大语言模型在自主系统中的应用
用于提升态势感知的生成式建模
用于野火预测的无监督异常检测深度自编码器方法
基于增强现实的无人机相机与数字地图对齐技术
具体课程内容
数据分析与可视化
Data Analytics and Visualisation
数据分析与可视化课程将介绍数据分析的基本概念，讲解预测型与描述型数据挖掘方法，并解释适用于新信息发现的无监督学习技术。
自主决策中的深度学习
Deep Learning for Autonomous Decision Making
该课程将讲解应用于自主系统决策过程中的主流深度学习技术，教学内容包括循环神经网络、自然语言处理、大语言模型、图神经网络等。
计算机视觉中的深度学习
Deep Learning for Computer Vision
学生将学习算法、架构与开发平台等，课程内容重点聚焦于计算机视觉领域中对现实物体的感知、推理与预测，具体包括人工神经网络、反向传播与训练、深度学习架构等。
人工智能的伦理、监管与社会影响
Ethical, Regulatory and Social Aspects of AI
该课程将围绕伦理、监管和社会层面展开，讨论人工智能伦理原则、分析当前AI监管现状，并评估AI对社会与文化环境的双向影响。
多智能体系统
Multi-Agent Systems
多智能体系统具备执行复杂与高风险任务的能力，同学们将重点研究智能体之间的交互方式、网络结构及其在协同控制与路径规划中的应用。
搜索与优化
Search and Optimisation
该课程为学生提供优化与决策理论的系统基础，教学内容包括优化与决策理论导论、优化模型与方法、整数与混合整数规划等。
智能信息物理系统
Smart Cyber-Physical Systems
智能信息物理系统课程旨在帮助学生批判性分析信息物理系统中的技能，同时探讨应用型开发框架与性能评估指标。
统计学习方法
Statistical Learning Methods
同学们将学习统计基础、统计推断、贝叶斯方法、统计建模与决策等内容，并了解如何将统计不确定性量化技术应用于现实问题中。
职业发展
目前我们的毕业生在海事工程、环境等领域担任自主系统工程师、机器学习工程师、应用型机器学习工程师、 数据科学家、 研究科学家、 大数据工程师等重要岗位。雇主包括空客、罗尔斯·罗伊斯、Apifon、BAE Systems、日产汽车等。
微信扫一扫
