机器学习与人工智能

ML和AI技术用于模式识别和分类问题。机器学习和人工智能允许计算机通过自动化来回答复杂和难以解决的问题。由于大数据的出现，这种需求变得尤为突出，大数据需要自动化方法来识别模式，以预测未来的数据和训练机器。

机器学习与人工智能@UNO

UNO的机器学习和人工智能由该领域公认的专家监督，他们在行业支持下进行持续的科学中文网站研究。有许多令人兴奋的中文网站研究机会，为我们的学生参与我们的生物信息学和机器学习（BML）实验室，Canizaro Livingston海湾国家中心环境信息学。联合国大学正在进行的中文网站研究包括在机器学习和人工智能方面的应用。

机会

在路易斯安那州，对机器学习和人工智能专家的需求很高。大量公司和联邦机构正在寻找ML和AI方面的专家，包括：IBM Baton Rouge， GDIT,Radiance Technologies, Choices, Lucid， AWS, Sirius Computer Technologies, Danaher, Cynet Systems, Device Medical Products, Ochsner Health System, Acuity One LLC, Salient CRGT，美国海军，Bennett Aerospace， Entergy和美国陆军工程兵团-新奥尔良区。

机器学习和人工智能集中的目标

• 传授对机器学习和人工智能的基本问题和挑战的理解，包括大数据收集，模型选择，模型复杂性，标准算法和技术。
• 从概念上理解工业和其他地方常用的机器学习方法的优缺点，以及它们的理论基础
• 探索机器学习和人工智能算法内部和之间的潜在数学关系，包括监督学习和非监督学习的范例。
• 在一系列现实世界的应用中设计和实现各种机器学习和人工智能算法。

机器学习和人工智能集中的亮点

Python编程语言：人工智能和机器学习应用中最流行的编程语言

人工智能：主题包括知识表示、搜索策略和人工智能主要子领域的调查，如专家系统、自然语言处理、推理系统、游戏、学习和视觉。

自然语言处理（NLP）：人工智能的一个分支，处理计算机与使用自然语言的人之间的交互。NLP的最终目标是以一种有价值的方式阅读、破译、理解和理解人类语言

机器学习（微分方法）：机器学习的概率视角以及在现实世界中的算法，如动态规划，穷举搜索，组合模式匹配，聚类和树，隐马尔可夫模型，贪婪和随机算法，图算法。强调这些主题的编程方面。

机器学习（非微分方法）：主题包括机器学习模型：神经网络、支持向量机、增强、遗传算法、决策树、随机森林和深度信念网络。强调这些主题的编程方面。