Etudes Non Stop Etudes Non Stop
Related Articles
Niveau: Doctorat
Cours: Doctorats liés à la science des données ou à l’intelligence artificielle
Pays: Tous
Valeur: Une allocation non imposable de 20 500 £ par an, une indemnité de déplacement et un fonds de conférence, ainsi que des frais de scolarité pour une période de 3,5 ans.
Nombre de récompenses: 3
Date limite: 14 janvier 2019
Plus d’information
L’Institut Alan Turing et l’Université Queen Mary de Londres offrent chaque année un certain nombre de places à des étudiants diplômés motivés pour l’obtention d’un doctorat entièrement financé. Le programme de bourses de doctorat de Turing combine les forces et l’expertise d’universités de classe mondiale avec la position unique de Turing en tant qu’institut national britannique pour la science des données et l’intelligence artificielle, afin de proposer un programme de doctorat exceptionnel.
Les doctorants de Turing passent environ la moitié de leur temps au siège de l’Institut, à la British Library, à Londres. Ils postuleront et s’inscriront pour un doctorat à l’Université Queen Mary de Londres, où ils passeront le reste de leur temps. Les étudiants seront supervisés par des membres du corps professoral de Queen Mary qui sont également membres de l’Institut ou qui y travaillent activement.
Pourquoi postuler?
Le programme de doctorat de Turing offre tous les avantages liés à l’obtention d’un doctorat dans une université de classe mondiale, ainsi qu’une occasion unique d’étudier dans un espace de recherche en collaboration. Les études à l’Institut Alan Turing offrent aux étudiants une occasion unique d’entreprendre un doctorat axé sur la science des données dans un environnement multidisciplinaire où plus de 400 chercheurs de différentes disciplines travaillent côte à côte. Les stages à Turing aident les diplômés à enrichir leurs recherches par un engagement interdisciplinaire avec les communautés plus vastes de la science des données et de l’intelligence artificielle et le monde entier.
Pour aider les étudiants, Turing propose une généreuse allocation libre d’impôt de 20 500 £ par an, une indemnité de déplacement et un fonds de conférence ainsi que des frais de scolarité pour une période de trois ans et demi.
Que cherchons-nous?
Il n’y a pas d’étudiant standard de Turing. L’Institut accueille des diplômés très talentueux et proactifs qui s’engagent de manière significative dans l’un des domaines essentiels de la science des données et de l’intelligence artificielle et qui souhaitent s’engager dans la philosophie de l’Institut.
La participation au programme de bourses d’études de l’Institut Alan Turing offre l’occasion de collaborer avec des universitaires et d’autres étudiants issus d’un large éventail de disciplines. L’Institut recherche des étudiants qui saisiront l’occasion d’enrichir leurs recherches et d’élargir leur apprentissage au fil de leur séjour. À cette fin, les étudiants doivent être disposés à travailler pendant au moins la moitié de leurs études au siège de l’Institut à Londres. Les candidatures provenant d’un large éventail de disciplines et de milieux universitaires sont encouragées, en particulier celles dont les recherches couvrent plusieurs disciplines et applications.
Comment postuler
Les étudiants doivent postuler via Queen Mary. Toutes les candidatures doivent être adressées directement au département et au programme choisis par le candidat. Dans leur candidature, et lors du choix d’un superviseur, ilsdoivent clairement indiquer qu’ils aimeraient être considérés pour le doctorat de Turing . Les pages de candidature à un doctorat peuvent être sélectionnées dans le menu déroulant ici https://www.qmul.ac.uk/postgraduate/research/applying-for-a-phph/
Queen Mary procédera à une première évaluation de votre candidature et vous renverra candidats sélectionnés à l’Institut début février 2019. En cas de succès, vous serez ensuite invité à assister à une autre entrevue à l’Institut Alan Turing. La date limite de soumission des candidatures est le lundi 14 janvier 2019 à midi. Vous
trouverez ci-dessous une liste des superviseurs répertoriés par école ou département à Queen Mary qui sont également Fellows de l’Institut ou qui sont engagés dans le processus.
Ecole / Département Barts Cancer Institute
Pedro Cutillashttps://www.applieddatascience.qmul.ac.uk/people/p.cutillas Trevor Graham https://www.applieddatascience.qmul.ac.uk/people/t.graham Prabhakar Rajan https: //www.applieddatascience. qmul.ac.uk/people/p.rajan Ecole / Département Institut Blizard Robert Lowe https://www.applieddatascience.qmul.ac.uk/people/r.lowe John Robson https://www.applieddatascience.qmul.ac .uk / people / j.robson Ecole / Département Business & Management Panos Panagiotopoulos https: //www.applieddatascience.qmul.ac.uk/people/p.panagioto … École / Département École de sciences biologiques et chimiques Conrad Bessant https : //www.applieddatascience.qmul.ac.uk/people/c.bessant Magda Osman
https://www.applieddatascience.qmul.ac.uk/people/m.osman Elisabetta Versace https://www.applieddatascience.qmul.ac.uk/people/e.versace Yannick Wurm https: //www.applieddatascience. qmul.ac.uk/people/y.wurm École / Département des sciences économiques et financières Sebastian Axbard https://www.applieddatascience.qmul.ac.uk/people/s.axbard École / Département des techniques électroniques et de la science informatique Gianni Antichi https://www.applieddatascience.qmul.ac.uk/people/g.antichi Emmanouil Benetos https: //www.applieddatascience.qmul.ac.uk/people/emmanouil.b … Andrea Cavallaro https: / /www.applieddatascience.qmul.ac.uk/people/a.cavallaro Anthony Constantinou
https: //www.applieddatascience.qmul.ac.uk/people/a.constanti … Felix Cuadrado https: //www.applieddatascience.qmul.ac.uk/people/felix.cuadr … Ildar Farkhatdinov https: //www.applieddatascience.qmul.ac.uk/people/i.farkhatdi … Norman Fenton https://www.applieddatascience.qmul.ac.uk/people/n.fenton Sean Gong https: //www.applieddatascience .qmul.ac.uk / people / s.gong Pat Healey https://www.applieddatascience.qmul.ac.uk/people/p.healey Julian Hough https://www.applieddatascience.qmul.ac.uk/people /j.hough Lorenzo Jamone https://www.applieddatascience.qmul.ac.uk/people/l.jamone Simon Lucas https://www.applieddatascience.qmul.ac.uk/people/simon.lucas
William Marsh https://www.applieddatascience.qmul.ac.uk/people/dwrmarsh Martin Neil https://www.applieddatascience.qmul.ac.uk/people/m.neil Massimo Poesio https: //www.applieddatascience. qmul.ac.uk/people/m.poesio Mark Sandler https: //www.applieddatascience.qmul.ac.uk/people/mark.sandle … Fabrizio Smeraldi https://www.applieddatascience.qmul.ac.uk /people/f.smeraldi Dan Stowell https://www.applieddatascience.qmul.ac.uk/people/dan.stowell Gareth Tyson https://www.applieddatascience.qmul.ac.uk/people/g.tyson Steve Uhlig https://www.applieddatascience.qmul.ac.uk/people/steve.uhlig Ecole / Département des sciences de l’ingénieur et des matériaux
Kaspar Althoefer https://www.applieddatascience.qmul.ac.uk/people/k.althoefer Jun Chen https://www.applieddatascience.qmul.ac.uk/people/jun.chen École / École de droit Richard Ashcroft https://www.applieddatascience.qmul.ac.uk/people/r.ashcroft École / Département École des sciences mathématiques Ginestra Bianconi https://www.applieddatascience.qmul.ac.uk/people/g.bianconi Michael Farber https : //www.applieddatascience.qmul.ac.uk/people/m.farber Kathrin Glau https://www.applieddatascience.qmul.ac.uk/people/k.glau Vito Latora https: //www.applieddatascience.qmul .ac.uk / people / v.latora Silvia Liverani
https://www.applieddatascience.qmul.ac.uk/people/s.liverani
John Moriarty https://www.applieddatascience.qmul.ac.uk/people/j.moriarty
Primoz Skraba https: //www.qmul. ac.uk/maths/profiles/skrabaprimoz.html
Ecole / Département École de physique et d’astronomie
Adrian Bevan https://www.applieddatascience.qmul.ac.uk/people/ajbevan Eram Rizvi https: //www.applieddatascience.qmul. ac.uk/people/e.rizvi Ecole / Département Institut de recherche William Harvey Michael R. Barnes https://www.applieddatascience.qmul.ac.uk/people/mrbarnes Steffen Petersen https://www.applieddatascience.qmul.ac .uk / people / sepeterse … Ecole / Département Wolfson Institute for Preventive Medicine
Adam Brentnall https://www.applieddatascience.qmul.ac.uk/people/a.brentnall Mark Freestone https: //www.applieddatascience.qmul.ac.uk/people/mcfreesto …
Pour en savoir plus, contactez un superviseur susmentionné ou cliquez ici http://turing.ac.uk/PhD
