Duomenų mokslas ir dirbtinis intelektas (anglų k. - Data Science and Artificial Intelligence)
Institucijos, teikiančios šią programą
Programos panašiais pavadinimais
Programos teikiančios tas pačias kvalifikacijas
Aprašymo santrauka
Studijų programos tikslas (-ai):
Suteikti žinių apie pažangius matematinius duomenų mokslo ir dirbtinio intelekto metodus bei išugdyti gebėjimus kurti kompleksines intelektines sistemas, paremtas kritišku ir etišku duomenų ir matematinių modelių panaudojimu.
Studijų programos aprašas: https://stojantiesiems.ktu.edu/programme/m-duomenu-mokslas-ir-dirbtinis-intelektas/
Studijų rezultatai:
Žinios ir jų taikymas:
Geba taikyti įvairių duomenų gavimo ir apdorojimo metodus, suformuoti duomenų rinkinius, pritaikant matematikos ir duomenų apdorojimo žinias.
Geba atlikti procesų ir įvykių duomenų analizę, atskleisdamas jų priežastinius ryšius ir jų pagrindu sudarant matematinius modelius, naudojamus sprendimams priimti, prognozuoti ir rizikai vertinti.
Geba kurti mašininio ir giliojo mokymosi metodų modelius, pagrindžiant jų teorinius pagrindus bei taikant įvairius klaidų įvertinimo metodus problemoms atpažinti, identifikuoti, segmentuoti, prognozuoti ar spręsti.
Geba įvertinti etines problemas, susijusias su duomenų valdymu ir jų taikymu įvairiose srityse, išmanant dirbtinio intelekto taisyklėmis ir logika grindžiamas sistemas bei mašininį mokymąsi.
Geba kritiškai vertinti naujausius mokslo ir technologijų pasiekimus, jų vystymosi potencialą bei poreikį taikyti pasirinktose srityse, atsižvelgiant į turimus išteklius.
Gebėjimai vykdyti tyrimus:
Geba atsirinkti ir analizuoti mokslinę literatūrą, būtiną teorinėms prielaidoms ir tyrimo metodams vertinti, planuojamiems moksliniams tyrimams atlikti ir dirbtinio intelekto produktų kūrimo ir taikymo uždaviniams spręsti.
Geba atlikti analitinius bei skaitmeninius skaičiavimus tyrimams vykdyti, naudojant šiuolaikinius statistikos metodus eksperimentiniams duomenims rinkti, sisteminti, analizuoti ir modeliuoti.
Geba įgyvendinti eksperimentinius, teorinius ir taikomuosius tyrimus plėtojančius matematinius modelius, paremtus klasikiniais ir dirbtinio intelekto metodais, juos planuojant, pagrindžiant ir vykdant.
Geba įgyvendinti duomenų mokslo ir dirbtinio intelekto metodų taikymo ir plėtojimo projektus, juos inicijuojant, rengiant ir vykdant, interpretuojant gautus rezultatus, formuluojant pagrįstas išvadas ir prognozes, ruošiant analizės ataskaitas ir įžvalgas, perteikiant žinias ir supratimą verslo atstovams ir (ar) mokslininkams.
Specialieji gebėjimai:
Geba logiškai, analitiškai ir kritiškai vertinti duomenų mokslo ir dirbtinio intelekto taikymo teorijas ir praktinius iššūkius.
Geba pritaikyti techninius, mokslinius, skaitmeninius šaltinius ir turimus gebėjimus įvairių sričių kompleksinėms duomenų mokslo ir DI taikymo problemoms spręsti.
Geba sukurti kokybiškus ir patikimus, matematiniais sąryšiais aprašytus, hibridinius intelektinius sprendimus, duomenų apdorojimo ir mašininio mokymosi modelius.
Geba taikyti mašininio mokymosi ir dirbtinio intelekto metodus automatinei eksperimentinių duomenų analizei, reikalingai matematine kalba ir sąryšiais aprašytiems ir mašininiu mokymusi pagrįstiems matematiniams modeliams sukurti.
Geba rasti netipinių kompleksinių uždavinių naujose ir nepažįstamose aplinkose optimalius sprendimo metodus, taikant duomenų mokslo ir dirbtinio intelekto žinias ir atrenkant tinkamus kriterijus.
Ugdomi socialiniai ir asmeniniai gebėjimai:
Geba kritiškai įvertinti savarankiškai priimamų sprendimų sudėtingumą ir pasekmes, atitikimą akademinės ir profesinės etikos normoms, prisiimant moralinę atsakomybę už automatizuotus sprendimus, dirbtinio intelekto sistemos panaudojimo etiką ir šališkumą.
Geba atsakingai ir kritiškai įvertinti savo planuojamą, organizuojamą ar vykdomą veiklą, jos rezultatus bei jos poveikį visuomenei ir aplinkai.
Suvokiant viso gyvenimo mokymosi ir tobulėjimo svarbą, geba pasirinkti savo veiklos kryptis, plėtoti įgytas kompetencijas ir įgūdžius.
Geba profesionaliai bendrauti matematikos ir jos taikymo temomis su savo ir kitų krypčių specialistais, dirbant tarpdalykinėje komandoje, pristatant problemas ir sprendimus specialistų ir nespecialistų auditorijoje.
Mokymo ir mokymosi veiklos:
Studijos apima auditorinį darbą (paskaitos, pratybos, laboratoriniai darbai, seminarai, išvykstamieji vizitai į įmones ir kita) ir savarankišką darbą, skirtą įsisavinti teorinę medžiagą, pasirengti auditoriniam darbui, tarpiniams ir galutiniams atsiskaitymams bei atlikti kitas veiklas. Kiekvieno studijų modulio studijos baigiamos studento žinių bei įgūdžių vertinimu – egzaminu arba kitu galutiniu atsiskaitymu, studijų programa baigiama baigiamuoju projektu ir jo gynimu.
Studijų rezultatų vertinimo būdai:
Taikoma studijų rezultatų kaupiamojo vertinimo sistema, leidžianti užtikrinti nuolatinį ir įtraukiantį studentų darbą viso studijų semestro metu, kai studijų modulio galutinį įvertinimą sudaro tarpinių atsiskaitymų ir galutinio atsiskaitymo pažymiai, juos padauginant iš svertinių koeficientų (procentinių dedamųjų) ir sandaugas susumuojant.
Studijų dalykai (moduliai):
Dirbtinio intelekto etika, Dirbtinio intelekto matematiniai metodai, Duomenų mokslo projektas, Statistiniai duomenų analizės ir prognozavimo metodai, Dirbtinio intelekto taikymų projektas, Neuroniniai tinklai, Pažangūs dirbtinio intelekto matematiniai metodai, Magistro baigiamasis projektas.
Alternatyvos: Duomenimis grįstas sprendimų priėmimas, Kombinatorinis optimizavimas, Duomenimis grįsto matematinio modeliavimo metodai.
Studijų programos anotacija:
Absolventas turi fundamentalių ir taikomųjų žinių duomenų mokslo, dirbtinio intelekto, mašininio mokymosi ir didžiųjų duomenų analitikos srityse. Geba analizuoti, modeliuoti ir optimizuoti duomenų valdymo bei sprendimų priėmimo procesus, taikydamas šiuolaikinius algoritmus ir technologijas. Yra pasirengęs savarankiškai spręsti kompleksines problemas, vykdyti tarpdisciplininius projektus ir prisidėti prie inovacijų kūrimo.
Profesinės veiklos galimybės:
Absolventas gali dirbti analitiku, duomenų analitiku, informacijos analitiku, operacijų analitiku, modeliuotoju, dirbtinio intelekto specialistu, duomenų mokslininku, tiekimo grandinių analitiku ir kita.
Tolesnių studijų galimybės:
Turi teisę stoti į trečiosios pakopos studijas.
