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 |
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.
