Sains Data dan Pembelajaran Mesin (M.Sc.)

Teori: Pembelajaran statistik, pemodelan kebarangkalian, pengoptimuman dan generalisasi.

Amalan: Pembelajaran mendalam (penglihatan/siri masa), aplikasi data geospatial atau bio/med, kejuruteraan ciri dan penilaian di luar ketepatan (penentukuran, keadilan).

versi asas Kejuruteraan/model. MLOp dan penjejakan percubaan.

Kerja Antara Disiplin: Projek dengan makmal domain (mis., alam sekitar, bioperubatan) menggunakan set data dan kekangan sebenar.

Etika & Keselamatan: Bias, privasi dan pengurusan risiko model; pelaporan telus.

Capstone/Tesis: Projek yang boleh diterbitkan atau sedia pengeluaran dengan kod, dokumentasi dan analisis ralat.

Hasil: Peranan saintis/DS gunaan, pembantu penyelidik, saluran paip PhD.