Statistics and Machine Learning (EPSRC Centre for Doctoral Training) DPhil

University of Oxford

.

Het CDT Statistics and Machine Learning is een vierjarig DPhil onderzoeksprogramma (of acht jaar als je in deeltijd studeert). Het zal de volgende generatie onderzoekers in statistiek en machinaal leren opleiden, die algemeen toepasbare nieuwe methodologie en theorie zullen ontwikkelen en toepassingsspecifieke methoden zullen creëren, wat zal leiden tot doorbraken in echte problemen in de overheid, geneeskunde, industrie en wetenschap.

Dit is de Oxford-component van StatML, een EPSRC Centre for Doctoral Training (CDT) in Statistiek en Machine Learning, georganiseerd door het Imperial College London en de Universiteit van Oxford. De CDT biedt je training in zowel geavanceerde onderzoeksmethodologieën als de ontwikkeling van zakelijke en overdraagbare vaardigheden - essentiële elementen die werkgevers in de industrie en het bedrijfsleven nodig hebben.

Je voert een belangrijk, uitdagend en origineel onderzoeksproject uit, dat leidt tot de toekenning van een DPhil. Gezien de breedte en diepte van de onderzoeksteams aan het Imperial College en de Universiteit van Oxford, variëren de voorgestelde projecten van theoretische tot computationele en toegepaste aspecten van statistiek en machinaal leren, waarbij een groot aantal projecten sterke methodologische/theoretische ontwikkelingen in combinatie met een uitdagend reëel probleem omvat. Een aanzienlijk aantal projecten wordt gesuperviseerd in samenwerking met de industrie.

Tijdens je eerste jaar doe je twee miniprojecten (specifieke tijdstippen kunnen variëren voor deeltijdstudenten), waarbij je verwacht dat een daarvan zal leiden tot je hoofdonderzoeksproject. Tijdens de toelatingsfase kies je een miniproject. Deze miniprojecten worden voorgesteld door de toezichthoudende pool van de afdeling en industriële partners. Je wordt gestationeerd aan de thuisinstelling van je hoofdbegeleider van het eerste miniproject.

Als je studiebeurs gefinancierd of medegefinancierd wordt door een externe partner, zal het tweede miniproject met dezelfde externe partner zijn, maar een andere vraag onderzoeken.

Aan het begin van het derde semester begin je dan met je hoofd DPhil project, dat gebaseerd kan zijn op een van de twee mini-projecten. Waar nodig voor het onderzoek, wordt je project samen met de toonaangevende industriële partners van het CDT uitgevoerd en krijg je de kans om een stage in data-intensieve statistiek te lopen bij enkele van de sterkste statistiekgroepen in de VS, Europa en Azië.

Naast je onderzoeksprojecten volg je cursussen die elk twee weken duren. De kernonderwerpen worden aan het begin van je eerste jaar onderwezen (specifieke tijden kunnen variëren voor deeltijdstudenten) en zijn:

• Moderne statistische theorie
• Statistisch machinaal leren;
• Causaliteit; en
• Bayesiaanse methoden en berekening.

Je moet ook een aantal keuzevakken volgen gedurende de vier jaar van de opleiding, die kunnen bestaan uit keuzes uit de volgende lijst: Bayesiaanse niet-parametrie; hoog-dimensionale statistiek; geavanceerde optimalisatie; netwerken; versterkingsleren; grote taalmodellen; conformal inference, variational Bayes en advance Bayesian computations, dynamisch en grafisch modelleren van multivariate tijdreeksen, modelleren van gebeurtenissen; en deep learning. Optionele modules duren twee weken en worden gegeven in een vergelijkbare indeling als de kernmodules.

.