Πρόγραμμα Ανώτερης Εξειδίκευσης στην Τεχνητή Νοημοσύνη και τα Μεγάλα Δεδομένα του Ωκεανού
Αυτό το πρόγραμμα ανώτερης εξειδίκευσης σας προετοιμάζει να εφαρμόζετε την τεχνητή νοημοσύνη και την ανάλυση δεδομένων μεγάλης κλίμακας στην κατανόηση και τη διαχείριση του ωκεανού. Θα μάθετε να ενοποιείτε δεδομένα από δορυφόρους, πλωτήρες, πλοία, αισθητήρες και αριθμητικά μοντέλα, να χτίζετε κλιμακώσιμες ροές δεδομένων στο cloud και να εκπαιδεύετε και να επικυρώνετε μοντέλα μηχανικής και βαθιάς μάθησης που προβλέπουν, ταξινομούν και εντοπίζουν μοτίβα στο θαλάσσιο περιβάλλον, με στέρεα κριτήρια ποιότητας, αναπαραγωγιμότητας και υπεύθυνης χρήσης της ΤΝ.
Έλεγχος προηγούμενων γνώσεων
Αυτές είναι οι δεξιότητες που αποκτάτε με το πρόγραμμα. Σημειώστε όσες ήδη κατέχετε και θα σας πούμε ποιο μέρος της ύλης σας αφορά.
Ξεκινάτε από το μηδέν σε αυτό το αντικείμενο. Το πρόγραμμα έχει σχεδιαστεί ακριβώς γι' αυτό.
Τι είναι το πρόγραμμα «Πρόγραμμα Ανώτερης Εξειδίκευσης στην Τεχνητή Νοημοσύνη και τα Μεγάλα Δεδομένα του Ωκεανού»;
Αυτό το πρόγραμμα ανώτερης εξειδίκευσης σας προετοιμάζει να εφαρμόζετε την τεχνητή νοημοσύνη και την ανάλυση δεδομένων μεγάλης κλίμακας στην κατανόηση και τη διαχείριση του ωκεανού. Θα ενοποιείτε δεδομένα δορυφόρων, αισθητήρων, πλοίων και μοντέλων σε κλιμακώσιμες αρχιτεκτονικές, θα καθαρίζετε, θα εναρμονίζετε και θα επισημαίνετε ωκεάνια δεδομένα σύμφωνα με πρότυπα ποιότητας, θα εκπαιδεύετε μοντέλα παλινδρόμησης, ταξινόμησης και ομαδοποίησης σε θαλάσσια δεδομένα, θα χρησιμοποιείτε συνελικτικά και αναδρομικά δίκτυα με εικόνες, χρονοσειρές και σήματα, θα θέτετε μοντέλα σε λειτουργία στο cloud ακολουθώντας μεθόδους MLOps και θα αξιολογείτε αβεβαιότητα, μεροληψία, διαφάνεια και διακυβέρνηση δεδομένων.
Τι κάνει αυτό το πρόγραμμα να ξεχωρίζει: εργασία με πραγματικά ανοιχτά σύνολα ωκεάνιων δεδομένων από δορυφόρους, πλωτήρες Argo, AIS και επαναναλύσεις· ολόκληρη η διαδρομή από τα δεδομένα στο μοντέλο, με μηχανική δεδομένων, μηχανική μάθηση και θέση σε λειτουργία σε ένα πρόγραμμα· ανοιχτά εργαλεία, όπως Python, περιβάλλοντα cloud και επαγγελματικές επιστημονικές βιβλιοθήκες· εφαρμογές σε κλάδους όπως αλιεία, ναυσιπλοΐα, ενέργεια, κλίμα και προστασία της φύσης· και μια τελική εργασία στην οποία χτίζετε ένα σύστημα ΤΝ για ένα πραγματικό ωκεάνιο πρόβλημα.
Βασικά χαρακτηριστικά του προγράμματος
- Πραγματικά ωκεάνια δεδομένα: ανοιχτά σύνολα από δορυφόρους, πλωτήρες Argo, AIS και επαναναλύσεις.
- Από τα δεδομένα στο μοντέλο: μηχανική δεδομένων, μηχανική μάθηση και θέση σε λειτουργία σε ένα πρόγραμμα.
- Ανοιχτά εργαλεία: Python, περιβάλλοντα cloud και επαγγελματικές επιστημονικές βιβλιοθήκες.
- Περιπτώσεις από τον κλάδο: εφαρμογές σε αλιεία, ναυσιπλοΐα, ενέργεια, κλίμα και προστασία.
- Υβριδική ΤΝ: εξομοιωτές και μοντέλα με φυσική πληροφόρηση για την ωκεάνια πρόγνωση.
- Τελική εργασία: σύστημα ΤΝ εφαρμοσμένο σε ένα πραγματικό ωκεάνιο πρόβλημα.
Πρόγραμμα σπουδών: Πρόγραμμα Ανώτερης Εξειδίκευσης στην Τεχνητή Νοημοσύνη και τα Μεγάλα Δεδομένα του Ωκεανού
11 ενότητες. Επιλέξτε μια ενότητα για να δείτε το περιεχόμενό της.
Βασικές αρχές των ωκεάνιων δεδομένων
- 1.1. Ο ωκεανός ως σύστημα δεδομένων
- 1.2. Βασικές ωκεάνιες μεταβλητές
- 1.3. Πηγές επιτόπιων παρατηρήσεων
- 1.4. Πηγές τηλεπισκόπησης
- 1.5. Έξοδοι αριθμητικών μοντέλων
- 1.6. Δεδομένα ανθρώπινης δραστηριότητας στη θάλασσα
- 1.7. Μορφότυποι NetCDF, HDF5 και Zarr
- 1.8. Μεταδεδομένα και συμβάσεις CF
- 1.9. Αρχές FAIR
- 1.10. Μεγάλα διεθνή ωκεάνια αποθετήρια
Επιστημονικός προγραμματισμός και ανάλυση με Python
- 2.1. Περιβάλλοντα και διαχείριση εξαρτήσεων
- 2.2. NumPy και διανυσματικοί υπολογισμοί
- 2.3. Pandas για σειρές και πίνακες
- 2.4. Xarray για πολυδιάστατα δεδομένα
- 2.5. Γεωχωρική ανάλυση με GeoPandas
- 2.6. Παράλληλοι υπολογισμοί με Dask
- 2.7. Αναπαραγώγιμα σημειωματάρια Jupyter
- 2.8. Έλεγχος εκδόσεων με Git
- 2.9. Ορθές πρακτικές στον επιστημονικό κώδικα
- 2.10. Δοκιμές και τεκμηρίωση κώδικα
Μηχανική δεδομένων και αρχιτεκτονικές big data
- 3.1. Ο κύκλος ζωής των δεδομένων
- 3.2. Εισαγωγή κατά παρτίδες και σε πραγματικό χρόνο
- 3.3. Λίμνες δεδομένων και αποθήκες δεδομένων
- 3.4. Αποθήκευση αντικειμένων στο cloud
- 3.5. Μορφότυποι βελτιστοποιημένοι για ανάλυση
- 3.6. Κατάλογοι δεδομένων και STAC
- 3.7. Ενορχήστρωση ροών εργασίας
- 3.8. Χωρικές βάσεις δεδομένων
- 3.9. Συνεχής ροή δεδομένων αισθητήρων
- 3.10. Κόστος και αποδοτικότητα στο cloud
Στατιστική και ποιότητα ωκεάνιων δεδομένων
- 4.1. Εφαρμοσμένη περιγραφική στατιστική
- 4.2. Αυτοματοποιημένος ποιοτικός έλεγχος
- 4.3. Εντοπισμός ακραίων τιμών
- 4.4. Συμπλήρωση κενών και παρεμβολή
- 4.5. Ανάλυση χρονοσειρών
- 4.6. Χωρική στατιστική και kriging
- 4.7. Ανάλυση κύριων συνιστωσών
- 4.8. Ανάλυση ακραίων τιμών
- 4.9. Αβεβαιότητα μέτρησης
- 4.10. Διασταυρωμένη επικύρωση με παρατηρήσεις
Μηχανική μάθηση εφαρμοσμένη στον ωκεανό
- 5.1. Τύποι μηχανικής μάθησης
- 5.2. Μηχανική χαρακτηριστικών για ωκεάνιες μεταβλητές
- 5.3. Παλινδρόμηση και δέντρα αποφάσεων
- 5.4. Τυχαία δάση και gradient boosting
- 5.5. Ταξινόμηση υδάτινων μαζών
- 5.6. Ομαδοποίηση και ωκεάνιες περιοχές
- 5.7. Επιλογή και ρύθμιση μοντέλων
- 5.8. Μετρικές αξιολόγησης
- 5.9. Ανισορροπία κλάσεων
- 5.10. Ερμηνευσιμότητα των μοντέλων
Βαθιά μάθηση για θαλάσσια δεδομένα
- 6.1. Νευρωνικά δίκτυα και οπισθοδιάδοση
- 6.2. Συνελικτικά δίκτυα για εικόνες
- 6.3. Σημασιολογική κατάτμηση
- 6.4. Αναδρομικά δίκτυα και LSTM
- 6.5. Transformers για χρονοσειρές
- 6.6. Αυτοκωδικοποιητές και μείωση διαστάσεων
- 6.7. Παραγωγικά μοντέλα
- 6.8. Μεταφορά μάθησης
- 6.9. Εκπαίδευση σε GPU
- 6.10. Κανονικοποίηση και υπερπροσαρμογή
Υπολογιστική όραση για υποβρύχιες και δορυφορικές εικόνες
- 7.1. Οπτικές και ραντάρ δορυφορικές εικόνες
- 7.2. Εντοπισμός πλοίων σε εικόνες
- 7.3. Χαρτογράφηση παράκτιων ενδιαιτημάτων
- 7.4. Εντοπισμός πετρελαιοκηλίδων και εξάρσεων φυκιών
- 7.5. Υποβρύχιες εικόνες και οι περιορισμοί τους
- 7.6. Αυτόματη αναγνώριση ειδών
- 7.7. Καταμέτρηση και παρακολούθηση οργανισμών
- 7.8. Επισήμανση και σχολιασμός εικόνων
- 7.9. Σύνολα δεδομένων αναφοράς
- 7.10. Επικύρωση στο πεδίο
Φυσική και υβριδική ΤΝ για την ωκεάνια πρόγνωση
- 8.1. Όρια των αμιγώς στατιστικών μοντέλων
- 8.2. Εξομοιωτές αριθμητικών μοντέλων
- 8.3. Νευρωνικά δίκτυα με φυσική πληροφόρηση
- 8.4. Διόρθωση σφαλμάτων μοντέλων
- 8.5. Υποκλιμάκωση με ΤΝ
- 8.6. Αφομοίωση δεδομένων και μηχανική μάθηση
- 8.7. Πρόγνωση κυματισμού και ρευμάτων
- 8.8. Πρόγνωση θερμοκρασίας της επιφάνειας της θάλασσας
- 8.9. Ποσοτικοποίηση της αβεβαιότητας
- 8.10. Αναδυόμενα θεμελιώδη μοντέλα του συστήματος της Γης
Κλαδικές εφαρμογές της ωκεάνιας ΤΝ
- 9.1. Αλιεία και παρακολούθηση στόλων με AIS
- 9.2. Εντοπισμός παράνομης αλιείας
- 9.3. Βελτιστοποίηση ναυτιλιακών διαδρομών
- 9.4. Έξυπνες λιμενικές λειτουργίες
- 9.5. Θαλάσσιες ανανεώσιμες πηγές ενέργειας
- 9.6. Υδατοκαλλιέργεια ακριβείας
- 9.7. Παρακολούθηση θαλάσσιων προστατευόμενων περιοχών
- 9.8. Ρύπανση και θαλάσσια απορρίμματα
- 9.9. Παράκτιος κλιματικός κίνδυνος
- 9.10. Βιοακουστική και θαλάσσια πανίδα
MLOps, ηθική και διακυβέρνηση της ΤΝ
- 10.1. Από το πρωτότυπο στην παραγωγή
- 10.2. Containers και θέση μοντέλων σε λειτουργία
- 10.3. Παρακολούθηση πειραμάτων
- 10.4. Παρακολούθηση και μετατόπιση δεδομένων
- 10.5. APIs και υπηρεσίες πρόβλεψης
- 10.6. Ασφάλεια και ιδιωτικότητα δεδομένων
- 10.7. Μεροληψία και δικαιοσύνη στα μοντέλα
- 10.8. Διαφάνεια και εξηγησιμότητα
- 10.9. Κανονιστικά πλαίσια για την ΤΝ
- 10.10. Το ενεργειακό αποτύπωμα της ΤΝ
Τελική εργασία
- 11.1. Ορισμός του προβλήματος και των χρηστών
- 11.2. Ανασκόπηση της τεχνολογικής στάθμης
- 11.3. Επιλογή και λήψη δεδομένων
- 11.4. Σχεδιασμός της αρχιτεκτονικής δεδομένων
- 11.5. Προετοιμασία δεδομένων και ποιοτικός έλεγχος
- 11.6. Ανάπτυξη και εκπαίδευση μοντέλων
- 11.7. Αξιολόγηση και ανάλυση σφαλμάτων
- 11.8. Πρωτότυπο θέσης σε λειτουργία
- 11.9. Σύνταξη της έκθεσης του έργου
- 11.10. Παρουσίαση σε επιτροπή αξιολόγησης
Διάρκεια και μορφή: Πρόγραμμα Ανώτερης Εξειδίκευσης στην Τεχνητή Νοημοσύνη και τα Μεγάλα Δεδομένα του Ωκεανού
Πρόκειται για 1.500 ώρες. Πείτε μας πόσες μπορείτε να αφιερώνετε κάθε εβδομάδα και θα σας πούμε πότε θα ολοκληρώσετε πραγματικά.
Με αυτόν τον ρυθμό ολοκληρώνουν οι περισσότεροι σπουδαστές. Ταιριάζει καλά με το πρόγραμμα δόσεων.
Ακαδημαϊκή διεύθυνση και διδακτικό προσωπικό
Η διδακτική ομάδα του Navalis: εν ενεργεία επαγγελματίες που διδάσκουν και εποπτεύουν τα προγράμματα.
Δρ. Marina AlcoverΑκαδημαϊκή διευθύντρια και υπεύθυνη διασφάλισης ποιότητας
Μηχ. Diego CifuentesΤακτικός καθηγητής Ναυτικής Συγκόλλησης και Μη Καταστροφικών Ελέγχων· υπεύθυνος QA/QC συγκολλητών συνδέσεων
Πλοίαρχος Javier Abaroa (MCA)Τακτικός καθηγητής Χειρισμού Πλοίου, Ηλεκτρονικής Ναυσιπλοΐας (ECDIS/Radar/ARPA) και GMDSS· συντονιστής συμμόρφωσης με τη STCW και διαχείρισης πόρων γέφυρας
Δρ. Pau FerrerΤακτικός καθηγητής Ναυπηγικής και Προσομοίωσης· διευθυντής του Εργαστηρίου Υδροδυναμικής και CFD
Δρ. Nuria LlobregatΤακτική καθηγήτρια Ναυτικής Μετεωρολογίας, SAR και Επιχειρησιακής Ασφάλειας· συντονίστρια διαχείρισης κινδύνων ναυσιπλοΐας
Μηχ. Javier BañulsΤακτικός καθηγητής Ηλεκτρολογίας, Αυτοματισμού και Μηχανικής ETO· συντονιστής ηλεκτρονικής ολοκλήρωσης και συναγερμών μηχανοστασίου
Μηχ. Sofía MarquinaΤακτική καθηγήτρια Υλικών, Σύνθετων Υλικών και Αντιδιαβρωτικής Προστασίας· συντονίστρια του τομέα προηγμένων χρωμάτων και επικαλύψεων
Μηχ. Tomás RieraΤακτικός καθηγητής Πρόωσης, Εναλλακτικών Μορφών Ενέργειας και Υβριδικών Συστημάτων· συντονιστής ενεργειακής απόδοσης και κραδασμώνΣτόχοι του προγράμματος «Πρόγραμμα Ανώτερης Εξειδίκευσης στην Τεχνητή Νοημοσύνη και τα Μεγάλα Δεδομένα του Ωκεανού»
Επαγγελματικές προοπτικές μετά το πρόγραμμα «Πρόγραμμα Ανώτερης Εξειδίκευσης στην Τεχνητή Νοημοσύνη και τα Μεγάλα Δεδομένα του Ωκεανού»
Ερωτήσεις για το πρόγραμμα «Πρόγραμμα Ανώτερης Εξειδίκευσης στην Τεχνητή Νοημοσύνη και τα Μεγάλα Δεδομένα του Ωκεανού»
Συνιστάται μια βασική εξοικείωση, αλλά το πρόγραμμα περιλαμβάνει ενότητα επιστημονικής Python που ξεκινά από τις βασικές αρχές.
Με ανοιχτά δεδομένα από δορυφόρους, πλωτήρες, πλωτήρες Argo, AIS, επαναναλύσεις και εξόδους ωκεάνιων μοντέλων.
Όχι. Οι πιο απαιτητικές ασκήσεις γίνονται σε περιβάλλοντα cloud και απομακρυσμένα σημειωματάρια.
Ναι, μαζί με εξομοιωτές και υβριδικά μοντέλα, που παρουσιάζονται ως πεδίο υπό ανάπτυξη με τα δικά του όρια και την αβεβαιότητά του.
Χτίζετε ένα πλήρες σύστημα ΤΝ, από τα δεδομένα έως ένα πρωτότυπο σε λειτουργία, εφαρμοσμένο σε ένα πραγματικό ωκεάνιο πρόβλημα, και το παρουσιάζετε σε επιτροπή αξιολόγησης.
Εξ ολοκλήρου online, μέσω ενός εικονικού campus διαθέσιμου 24/7, με ζωντανές συνεδρίες που μαγνητοσκοπούνται και καθοδήγηση από την εκπαιδευτική ομάδα.
Το πρόγραμμα έχει φόρτο εργασίας 1.500 ωρών και μπορείτε να προχωράτε με τον δικό σας ρυθμό μέσα στο χρονοδιάγραμμα που σας δίνεται κατά την εγγραφή.
Ναι. Η ενότητα 10 καλύπτει τη μεροληψία και τη δικαιοσύνη, τη διαφάνεια και την εξηγησιμότητα, την ασφάλεια και την ιδιωτικότητα των δεδομένων, τα κανονιστικά πλαίσια για την ΤΝ και το ενεργειακό αποτύπωμα της ΤΝ.
Περισσότερα προγράμματα: Κλίμα και ωκεανογραφία
Διαδικασία εισαγωγής
Χωρίς αναμονή για τηλεφωνική επικοινωνία. Αν τα δικαιολογητικά σας είναι εντάξει, μπορείτε να εγγραφείτε στην ίδια συνεδρία.
- Προφίλ: απευθύνεται σε αποφοίτους θαλάσσιων επιστημών, φυσικής, μαθηματικών, στατιστικής, πληροφορικής, μηχανικής ή συναφούς πεδίου, επιστήμονες δεδομένων και προγραμματιστές που στρέφονται στον θαλάσσιο και κλιματικό τομέα, ωκεανογράφους και ερευνητές, τεχνικό προσωπικό λιμανιών, ναυτιλιακών εταιρειών και εταιρειών θαλάσσιας ενέργειας, και στελέχη δημόσιων και περιβαλλοντικών υπηρεσιών· η επαγγελματική εμπειρία στην ανάλυση δεδομένων ή στον θαλάσσιο τομέα αποτελεί επίσης έγκυρη οδό εισαγωγής.
- Γλώσσα: επαρκής γνώση της ελληνικής για την παρακολούθηση των μαθημάτων και της τεχνικής τεκμηρίωσης.
- Τεχνικά μέσα: υπολογιστής με σταθερή σύνδεση στο διαδίκτυο, ενημερωμένο πρόγραμμα περιήγησης και κάμερα για τις ζωντανές συνεδρίες και τις παρουσιάσεις εργασιών.
- Εγγραφή: online αίτηση, αξιολόγηση του προφίλ σας και σύντομη συνέντευξη με την ακαδημαϊκή ομάδα.
- 01ΑίτησηΤα στοιχεία σας, το υπόβαθρό σας και τα δικαιολογητικά σας.
- 02Άμεσος έλεγχοςΕλέγχουμε ότι όλα είναι πλήρη και εντάξει.
- 03ΕγγραφήΕπιλέξτε εφάπαξ πληρωμή ή δόσεις και κλείστε τη θέση σας.
Η εισαγωγή είναι προσωρινή έως ότου η επιτροπή επικυρώσει τα δικαιολογητικά που υποβλήθηκαν. Αν δεν πληροίτε τις προϋποθέσεις, σας επιστρέφεται ολόκληρο το ποσό.
Ρωτήστε μας πριν εγγραφείτε
Αφήστε τα στοιχεία σας και το τμήμα εισαγωγής θα σας γράψει για να λύσει κάθε απορία σας. Αν έχετε ήδη αποφασίσει, μπορείτε να κάνετε αίτηση και να πληρώσετε στην ίδια συνεδρία.