Program Aplikovaná datová analytika a umělá inteligence

Standardní délka studia: 2 roky
Předpokládaný počet přijímaných uchazečů: 100
Garant programu: doc. Ing. Miloš Maryška, Ph.D.
Garantující katedra: Katedra informačních technologií

Cílem studijního programu Aplikovaná datová analytika a umělá inteligence (ADA) je osvojit si praktické dovednosti z oblasti dat, analytiky a technologií. Studium zahrnuje práci s aplikací umělé inteligence včetně strojového učení, zpracování Big Data, analytiky v cloud prostředí a datovou analýzou v businessu, stanovování její přidané hodnoty, řízení rizik a aspektů bezpečnosti, ale také předměty z oblasti soft skills důležitých pro uplatnění na manažerských pozicích. Získané znalosti a dovednosti slouží pro řešení samostatných a rozsáhlých analytických projektů jak v podmínkách ČR, tak i na globální úrovni.

Současně si program klade za cíl zprostředkovat absolventům vhled do specifik aplikace výše uvedených technologií v konkrétních odvětvích tak, aby byli schopni je okamžitě využít v praxi.

Klíčové oblasti studia:

  • data a analytické technologie (např. umělá inteligence),
  • implementace datové analytiky v businessu,
  • řízení rizik a bezpečnostní aspekty.

V prvním ročníku studia probíhá výuka blokovou formou, která se liší od způsobu studia většiny bakalářských programů. Studenti chodí do školy vždy na dva celé dny v týdnu (čtvrtek a pátek). V těchto dnech probíhá vždy intenzivní výuka jednoho předmětu, který je obvykle rozdělen na šest výukových dní ve třech týdnech za sebou. V rámci každého celodenního bloku se vždy střídají vystoupení vyučujících, samostatná nebo týmová práce studentů a vystoupení hostů z praxe a diskuse s nimi. Každý blok má svůj vlastní scénář odpovídající probírané problematice. Po ukončení výuky posledního bloku předmětu následuje zkouška z dané problematiky a studenti začínají studium dalšího předmětu ve studijním plánu.

Přesný harmonogram studia a návaznosti předmětů studenti dostanou vždy dopředu a mohou si podle něj potom naplánovat své další záležitosti mimo studium. Povinné předměty je velmi vhodné studovat podle harmonogramu. Povinné předměty jsou vypisovány pevně v rozvrhu pro všechny studenty programu najednou. Vzhledem k výše uvedené blokové formě studia v programu nejsou zkoušková období a výuka probíhá pravidelně od září do června s dvou týdenní pauzou mezi semestry.

Výhody blokové formy výuky oproti klasickému schématu výuky na VŠ zahrnují:

  • Možnost hlubšího ponoření do problematiky díky soustředěné výuce jednoho předmětu.
  • Lepší propojení teorie a praxe díky častým vystoupením odborníků z praxe.
  • Efektivnější práce ve skupině a intenzivnější spolupráce mezi studenty.
  • Rychlejší získání praktických dovedností.

Z výše uvedeného důvodu nelze plánovat výjezd na Erasmus v průběhu prvního ročníku. V druhém ročníku je naopak výuka velmi flexibilní, studenti odcházejí na povinné praxe dle svých preferencí a současně si volí z nabídky volitelných předmětů (vyučovaných jak blokově, tak neblokově) podle potřeby. Druhý ročník je také ideální na výjezd na Erasmus.

Vyučované předměty

Aplikované hluboké učení a umělá inteligence Pokročilé strojové učení a big data
Architektury datově orientovaných řešení Praxe v oblasti aplikované datové analytiky
Competitive Intelligence Prezentační a komunikační dovednosti
Datové sklady a reporting Řízení dat a analytiky pro business
Machine learning operations
Data a anatomie banky Datový projekt
Data a regulace v bankovnictví Řízení banky založené na datech
Datový projekt Role dat v e-commerce
Marketingový výzkum a analytika Role dat v product/brand managementu
Anatomie dat ve veřejné správě Datový projekt
Data a metody pro tvorbu politik založených na důkazech Správa a využití dat ve vybraných institucích veřejné správy
Datový projekt Lean manufacturing a data
IT a anatomie výrobní firmy Rozhodování na základě dat ve výrobních podnicích
Agilní projekt vývoje Machine learning aplikací Mindfulness v manažerské praxi
Aplikační oblasti blockchainu a technologií distribuované účetní knihy Modelování a optimalizace v jazyku Python
Aplikovaná optimalizace pro data-driven business Modelování architektury
Business aplikace operačního výzkumu a ekonometrie Nová média a sociální sítě (v angličtině)
Cloud Business Intelligence Osobnost datového analytika
Cloudové platformy a služby pro datovou analytiku Paralelní a GPU programování pro strojové učení
Data mining – praktické aplikace Pokročilá vizualizace
Databáze Programování pro AI a data science
Datová analytika – kategorizace a specifika Programování pro data science v jazyce Python
Gamifikace (v angličtině) Self Service Business Intelligence
Generativní AI Softwarové inženýrství
Grafové databáze a vizualizace grafových dat Statistické metody pro business
Informační etika, regulace a právo Velké jazykové modely
Leadership v IT Vyjednávání pro manažerskou praxi
Machine Learning pro ekonomické modelování Vyjednávání v IT
Mapy, geodata a prostorová ekonometrie v R Vývoj pokročilých webových aplikací v PHP
Metadovednosti pro praxi I Webová a mobilní analytika
Metadovednosti pro praxi II – Hackathon

Vzorový studijní plán

Uplatnění absolventů

Absolventi programu ADA dokážou prakticky aplikovat a využívat analytické znalosti a dovednosti při implementaci složitých variant nasazení analytických technologií, aktivně využívají metody a postupy transakční datové analytiky, pokročilé prediktivní modelování, modely a technologie a analytické dovednosti včetně využití dostupných pokročilých softwarových produktů v této oblasti. Uvedené metody a technologie umějí taky nasazovat ve vybraných průmyslových odvětvích nebo v oblasti e-governmentu.

  • datový analytik,
  • datový architekt,
  • manažer v oblasti dat a analytiky,
  • storyteller,
  • data scientist,
  • business intelligence consultant,
  • ML OPS engineer.

Povinná praxe

Součástí magisterského programu je i povinná praxe, na které student získá praktické zkušenosti prostřednictvím zapojení do projektů a úkolů řešených ve vybrané firmě či veřejné instituci. Praxe je realizována ve spolupráci s partnerskými firmami či veřejnými institucemi na základě uzavřené smlouvy o partnerství.


Q&A

Na dni otevřených dveří poznáš fakultu i vyučující zblízka, dozvíš se více o studiu, možnostech praxe i uplatnění absolventů. Je to ideální příležitost zjistit, jaké to u nás je. Sleduj stránku DOD.

Podmínky přijímacího řízení nalezneš na stránce o přijímacím řízení.

Všechny informace o doktorském studiu jsou uvedeny zde.

Absolventi FIS mají nejvyšší průměrné výdělky mezi fakultami VŠE – nejčastěji 70–80 tisíc Kč měsíčně. Už během studia pracuje v oboru 89 % studentů. Absolventi působí jako analytici, projektoví a produktoví manažeři, vývojáři, testeři, konzultanti či designéři. Najdete je v IT firmách, bankách, pojišťovnách, auditorských a poradenských společnostech, médiích, kreativních agenturách i ve státní správě. Většina absolventů pracuje jako zaměstnanci, ale právě FIS má také nejvíce podnikatelů mezi fakultami. (Data Absolventského centra, říjen 2024)

Ano. Řada studentů při studiu pracuje v oboru na částečný úvazek nebo sbírá zkušenosti na stážích. Studium je sice náročné, ale s dobrou organizací času lze práci a školu skloubit.

Bodová hranice se každý rok liší. Aktuálně se navíc otevírají nové programy, u kterých se mohou výsledky výrazně změnit. Přehled hranic z minulého roku najdeš zde.

Odpověď, kterou hledáš, tu není? Zeptej se našich studentů!

Kontakt

Máš-li nějaké dotazy ohledně budoucího studia, můžeš využít našeho projektu „Zeptej se!“. V projektu jsou zapojeni naši aktuální studenti, kteří ti rádi odpoví na vše, co tě zajímá ohledně magisterského studia na FISu nebo cokoliv s ním spojeným. Kromě toho máš i možnost napsat na studijní oddělení, které ti bude kdykoliv nápomocné v průběhu tvého studia.