院校库
/
帝国理工学院
/
人工智能与机器学习研究硕士
帝国理工学院
人工智能与机器学习研究硕士
Artificial Intelligence and Machine Learning MRes
硕士
研究硕士 Department of Computing
所有院校及专业信息每 1 个月更新一次。院校政策可能在更新周期内调整，申请前请以院校官网最新信息为准。
学制 12 专业类别 全日制 入学时间 October 2027 学习地点 南肯辛顿校区 学费 52300 申请费 90 数据年份 2027 申请截止日期 2025-01-15
专业介绍
培养人工智能与机器学习研究和创新技能，探索新型人工智能方法。
就业前景
就业岗位：人工智能研究员、机器学习工程师、数据科学家、AI伦理顾问
人工智能与机器学习硕士专业的毕业生在中国就业市场上具有广阔的前景。随着人工智能技术的快速发展和应用领域的不断拓展，对于具备深厚理论基础和实践能力的AI专业人才需求日益增长。毕业生可以在科技公司、研究机构、高校、金融行业等领域找到合适的职位，从事人工智能算法研发、机器学习模型构建、数据分析和处理等工作。此外，随着AI伦理和公平性问题日益受到重视，具备相关专业知识的学生还可以在AI伦理咨询、政策制定等领域发挥重要作用。总体来看，人工智能与机器学习硕士专业的就业前景十分乐观，毕业生有望在AI领域实现职业发展和个人价值。
入学与成绩要求
入学条件 在计算机，工程，数学，统计或物理等相关科技学科中获一等荣誉.具有其他学位(如经济学，生命科学，化学)，具有很强的数学或计算基础和编程技能的学生也可以考虑.
本科背景要求 Applicants should normally have a good first Honours degree in a science or engineering discipline including computing.
IELTS 6.5 overall (minimum 6.0 in all elements).
预科背景要求 待确认
成绩要求 195
平均分要求 待确认
雅思要求 6.5
文书与其他要求
文书要求 须提交个人陈述，说明申请课程的动机，以及具备满足课程要求的技能、知识和能力。申请表须提供两位推荐人的联系方式：至少一位为学术推荐人，另一位可为学术推荐人，或在适当且相关情况下为职业推荐人。须使用推荐人的学术或工作邮箱，不接受私人邮箱。申请提交当日或随后，学校通过邮件发送推荐请求，由推荐人在线提交；状态可在My Imperial查看。申请人应提供个人/动机说明。请参看研究生个人发言指南。除了个人陈述申请人还需要提交1页(不包括推荐信)的研究说明，描述一个假设的，10个月，AI相关的项目. 申请者应注意到，该提案是为了研究潜在的评估目的，而不是他们将获准参加的实际MRes项目。
文书建议 个人陈述建议为1至2页A4纸，12号字体，约500至1000词；这是篇幅建议，并非强制字数上限。建议依次说明：选择课程的原因；相关学术、工作及课外经历；课程与学术或职业目标的联系；选择帝国理工的具体原因；最后作总结。写作前先规划内容，结合自身经历和目标介绍感兴趣的课程内容；避免堆砌排名、学校事实及套话，提交前检查语法、拼写和课程名称。同时申请两个课程时，可在同一文件内用清晰标题区分两份个人陈述；也可先提交第一志愿陈述，若第一志愿未录取，再向相应招生团队提交第二志愿陈述。
特殊PS要求 待确认
ATAS 否
个人陈述 是
在线推荐信 是
课程设置
Prolog
Prolog ·
选修课
Short Introduction to Prolog and Matlab
Short Introduction to Prolog and Matlab ·
选修课
MSc Computing Science (Specialist) Individual Project
MSc Computing Science (Specialist) Individual Project ·
选修课
Computer Vision
Computer Vision ·
选修课
Machine Learning
Machine Learning ·
选修课
Computational Neurodynamics
Computational Neurodynamics ·
选修课
Machine Learning and Neural Computation
Machine Learning and Neural Computation ·
选修课
Knowledge Representation
Knowledge Representation ·
选修课
Privacy Enhancing Techniques (half course)
Privacy Enhancing Techniques (half course) ·
选修课
Modal Logic (half course)
Modal Logic (half course) ·
选修课
Logic-Based Learning
Logic-Based Learning ·
选修课
Robotics
Robotics ·
选修课
Argumentation and Multi-agent Systems
Argumentation and Multi-agent Systems ·
选修课
Intelligent Data and Probabilistic Inference
Intelligent Data and Probabilistic Inference ·
选修课
Advanced Statistical Machine Learning and Pattern Recognition
Advanced Statistical Machine Learning and Pattern Recognition ·
选修课
Advanced Databases
Advanced Databases ·
选修课
Complex Systems
Complex Systems ·
选修课
Simulation and Modelling
Simulation and Modelling ·
选修课
Pervasive Computing
Pervasive Computing ·
选修课
Type Systems for Programming Languages
Type Systems for Programming Languages ·
选修课
Complexity
Complexity ·
选修课
Advanced Issues in Object Oriented Programming
Advanced Issues in Object Oriented Programming ·
选修课
Computing for Optimal Decisions
Computing for Optimal Decisions ·
选修课
Operations Research
Operations Research ·
选修课
Graphics
Graphics ·
选修课
Custom Computing
Custom Computing ·
选修课
Advanced Computer Architecture
Advanced Computer Architecture ·
选修课
Introduction to Bioinformatics
Introduction to Bioinformatics ·
选修课
Distributed Algorithms
Distributed Algorithms ·
选修课
Advanced Computer Graphics
Advanced Computer Graphics ·
选修课
Computational Finance
Computational Finance ·
选修课
Systems Verification
Systems Verification ·
选修课
Network and Web Security
Network and Web Security ·
选修课
Cryptography Engineering
Cryptography Engineering ·
选修课
Parallel Algorithms
Parallel Algorithms ·
选修课
Program Analysis
Program Analysis ·
选修课
Software Engineering for Industry
Software Engineering for Industry ·
选修课
Independent Study Option
Independent Study Option ·
选修课
申请时间与轮次
2026年
分轮申请
开放：2025-09-29
数据来源：UKEC院校库
