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 máte možnost poznat fakultu i vyučující zblízka. Dozvíte se více o studiu, možnostech praxe i uplatnění absolventů. Je to ideální příležitost zjistit, jaké to u nás skutečně je. Sledujte stránku DOD pro aktuální informace.

Podrobné informace o podmínkách přijímacího řízení naleznete na stránce věnované přijímacímu řízení.

Všechny informace o možnostech doktorského studia naleznete 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. FIS má také nejvíce podnikatelů mezi fakultami.


(Zdroj: Data Absolventského centra, říjen 2024)

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

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

Odpověď, kterou hledáte, tu není? Zeptejte se našich studentů!

Kontakt

Máte-li jakékoli dotazy ohledně budoucího studia, můžete využít náš projekt „Zeptej se!“. Do projektu jsou zapojeni naši současní studenti, kteří Vám rádi odpovědí na vše, co Vás zajímá ohledně magisterského studia na FISu nebo s ním souvisejících témat.

Kromě toho máte také možnost obrátit se na studijní oddělení, které Vám bude kdykoli nápomocné v průběhu celého studia.