Štúdium

Študijný program Analýza dát a umelá inteligencia je medziodborovým študijným programom, ktorý v sebe vyvážene kombinuje znalosti z oblasti matematiky a informatiky. Medziodborovosť dáva absolventovi väčšie možnosti pri výbere nadväzujúcich študijných programov alebo pri uplatnení v praxi.

Bakalársky stupeň

1. rok štúdia

  • Úvod do analýzy dát – hneď na úvod štúdia študent získa predstavu, čo a prečo bude študovať a ako sa to dá využiť
  • Algebra – matematika odlišuje našich absolventov od používateľov rôznych analytických nástrojov (ukážeme, že sa dá učiť zaujímavo a s aplikáciami)
  • Matematický softvér – bez počítača sa už veľa vecí spočítať nedá, ale aj softvér si treba vedieť vybrať a vedieť ho používať
  • Úvod do štúdia informatiky – ak niekomu niečo na strednej škole „ušlo“ , má šancu si to doplniť
  • Používateľské prostredia operačných systémov – používanie počítača je nevyhnutným predpokladom práce s dátami
  • Databázové systémy – dáta treba niekde uložiť a efektívne s nimi manipulovať
  • Programovanie, algoritmy, zložitosť – dáta si treba vedieť spracovať a pripraviť, a treba mať aj „zadné dvierka“ keby absolvent chcel v budúcnosti zmeniť profiláciu
  • Odborný anglický jazyk pre prírodné vedy – bez cudzieho jazyka sa analýza dát a umelá inteligencia robiť nedá

2. rok štúdia

  • Funkcia reálnej premennej, Lineárna a celočíselná optimalizácia, Diskrétna matematika pre informatikov, Funkcia reálnych premenných – po rozbehu treba prehĺbiť exaktné základy
  • Teória pravdepodobnosti – veľa vecí okolo nás sa nespráva deterministicky
  • Úvod do strojového učenia – strojové učenie dnes „hýbe svetom“ a treba ho vedieť
  • Úvod do informačnej bezpečnosti – s dátami treba narábať opatrne
  • Automaty a formálne jazyky – programovacie jazyky sa menia, ale princípy zostávajú
  • Programovanie v Pythone pre pokročilých – držíme krok s dobou a súčasnými trendmi
  • Projekt – praktické skúsenosti zo životného cyklu spracovania sú na nezaplatenie

3. rok štúdia

  • Matematická štatistika – ani klasické metody dátovej analýzy „ešte nepovedali posledné slovo“
  • Projekt – praktických skúseností nikdy nie je dosť
  • Numerické metódy – nie všetko sa dá vypočítať presne, ale reálny život očakáva riešenie
  • Funkcionálne programovanie, Konkurentné programovanie – na každý problém sa treba vedieť pozrieť z viacerých strán
  • Úvod do neurónových sietí
  • Technológie spracovania veľkých dát – o veľkých dátach kadekto hovorí, ale naši absolventi majú skúsenosti aj z veľkých korporátov (Google, Facebook, T-Systems, …) a sú ochotní to učiť našich študentov
  • Vybrané aplikácie dátovej analýzy – dáta a umelá inteligencia má uplatnenie v astronómii, jadrovej fyzike, bioinformatike, geografických informačných systémov, … – my na to máme odborníkov

Magisterský stupeň

1. rok štúdia

  • Kombinatorické algoritmy, Náhodné procesy, Viacrozmerné štatistické metódy – svet treba vedieť modelovať a modelom náležite rozumieť
  • Seminár z dátového manažmentu – pozrieme sa na reálne praktické problémy v spolupráci s partnermi
  • Výpočtová zložitosť, Organizácia a spracovanie údajov, Paralelné a distribuované systémy – ani dnešné výpočtové kapacity nestačia na všetky typy problémov a vtedy „musí nastúpiť ľudský rozum“
  • Strojové učenie – autonómne a expertné systémy si bez strojového učenia dnes nevieme predstaviť

2. rok štúdia

  • Neurónové siete – hĺbkové neurónové siete slávia jeden úspech za druhým a každý dátový analytik ich musí ovládať
  • Klasické a kvantové výpočty – kvantové počítače už nie sú utopickým snom a naši absolventi kráčajú s dobou
  • Aproximačné a pravdepodobnostné algoritmy – nástrojov na riešenie rôznych problémov nikdy nie je dosť
  • Seminár z dátového manažmentu – pozrieme sa na reálne praktické problémy v spolupráci s partnermi

… a okrem toho máme k dispozícii ponuku ďalších predmetov z rôznych vedných oblastí (nielen na našej fakulte), pomocou ktorých si študent vie vytvoriť individuálny profil

… a ak niečo inde vedia lepšie alebo to robia ináč, tak študentovi vytvoríme podmienky na absolvovanie časti štúdia mimo domovskej fakulty