Program Umělá inteligence a data science

Absolventi specializace Human-centered a bezpečná umělá inteligence budou disponovat takovými znalostmi a dovednostmi, aby byli schopni:

• Rozumět matematicko-informatickým základům umělé inteligence a algoritmickým metodám zajišťujícím interpretovatelnost a vysvětlitelnost chování umělé inteligence.
• Používat pokročilé metody zpracování přirozeného jazyka a generativní umělé inteligence.
• Navrhovat „Human-centric AI“ systémy – s ohledem na lidské potřeby, bezpečnost, etiku, právní prostředí, a především spolupráci mezi umělou inteligencí a lidmi.
• Reprezentovat data a znalosti pomocí metod využívaných v umělé inteligenci.
• Navrhovat multiagentní systémy, provádět agentové simulace a měřit inteligenci umělých agentů.

Absolventi specializace Vývoj software a technologie umělé inteligence budou disponovat takovými znalostmi a dovednostmi, aby byli schopni:

• Navrhovat, implementovat a provozovat informační systémy a aplikace, včetně využití cloudových technologií a umělé inteligence.
• Řídit softwarové projekty a vhodně do jejich životního cyklu zapojovat umělou inteligenci.
• Využívat umělou inteligenci pro podporu procesů softwarového inženýrství.
• Orientovat se v aktuálně využívaných technologiích a přístupech k vývoji software z hlediska umělé inteligence, CI/CD a vhodných programovacích jazyků a vybrané zástupce těchto technologií prakticky používat.
• Využívat low-code či no-code AI platformy, metody autonomního testování software a související technologie.

Absolventi specializace Data science a strojové učení budou disponovat takovými znalostmi a dovednostmi, aby byli schopni:

• Vymezit a formulovat úlohy data science při modelování a analýze ekonomických jevů a vztahů.
• Navrhovat nové či upravovat existující metody data science, včetně jejich softwarové implementace.
• Aplikovat pokročilé metody strojového učení a implementovat jejich začlenění do podnikových systémů či aplikací.
• Aplikovat pokročilé statisticko-ekonometrické techniky při studiu deskriptivních, prediktivních i kauzálních otázek.
• Rozumět problematice vytváření a chování modelů umělé inteligence.
• Řídit datově-analytické projekty za použití adekvátních nástrojů, včetně využití umělé inteligence.

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.

Ano, pro každý program budete muset absolvovat přijímací zkoušku zvlášť. Všechny zkoušky se konají ve stejný den, a to 18. 6. 2026 v areálu VŠE na Žižkově. Nemusíte se ale bát – pokud budete dělat více zkoušek, dostanete mezi nimi čas na odpočinek. Navíc pokud se hlásíte na podobné programy, můžete očekávat, že se v jednotlivých zkouškách objeví podobné okruhy otázek. Více informací o okruzích otázek pro jednotlivé magisterské studijní programy najdete na webu v přehledu u každého programu.

Ještě více než u bakalářských programů zde platí, že jaké si to uděláte, takové to budete mít. Studium je více zaměřené na praxi a na prohlubování znalostí v konkrétních oblastech. To sice někdy znamená méně teorie a testů, ale naopak více semestrálních a týmových prací, často na praktických projektech pro firmy a neziskové organizace. Je také kladen větší důraz na osobní odpovědnost a studium je obecně flexibilnější než na bakalářském stupni.

Přemýšlejte o studiu jako o příležitosti prohloubit si znalosti v oblastech, které Vás skutečně zajímají. Velkou výhodou magisterského studia je široká nabídka volitelných předmětů i vedlejších specializací a specializačních bloků. Většina studentů při studiu pracuje na poloviční nebo částečný úvazek ve svém oboru. Zvládnout se to dá, ale je důležité dobře plánovat. Studium může být náročné, proto je dobré nastavit si rozvrh tak, aby pro Vás bylo přínosem a nepředstavovalo jen další zátěž vedle práce.

Okruhy otázek najdete na webu u jednotlivých magisterských studijních programů. Zaměřte se především na obecné znalosti z daných okruhů. Nesoustřeďte se pouze na memorování konkrétních faktů a teorií. Okruhy bývají poměrně široké a přijímací zkouška nemůže pokrýt celou oblast do hloubky. Proto je lepší soustředit se spíše na šíři znalostí než na detailní znalost několika úzce vymezených témat. Dobrou zprávou je, že pokud u nás skládáte státní zkoušku, některé okruhy se mohou s přijímacími zkouškami překrývat.

Náročnost se výrazně liší podle toho, jakou ze tří specializací si zvolíte:

• Human-centered a bezpečná umělá inteligence: Z hlediska matematiky ani algoritmizace není studium náročné. Zaměříte primárně na kognitivní vědu, etiku, bezpečnost a spolupráci mezi umělou inteligencí a lidmi.
• Vývoj software a technologie umělé inteligence: Pro tuto specializaci je potřebná předchozí znalost programování a softwarového vývoje. Znalosti využijete při návrhu, implementaci a nasazování komplexních informačních systémů a AI aplikací. Z hlediska matematiky studium náročné není.
• Data science a strojové učení: Studenti budou na tyto znalosti navazovat při implementaci pokročilých metod strojového učení a statisticko-ekonometrických modelů.

Studenti se hlásí rovnou na zvolenou specializaci. Hlavní rozdíly mezi specializacemi spočívají v jejich zaměření:

• Human-centered a bezpečná umělá inteligence: Tato specializace se soustředí na to, jak umělá inteligence interaguje s lidmi a společností. Studenti řeší spolupráci člověk-stroj, kognitivní vědu, bezpečnost, etiku a právní aspekty AI. Naučí se navrhovat systémy zaměřené na lidské potřeby („Human-centric AI“) a pracovat s multiagentními modely a simulacemi.
• Vývoj software a technologie umělé inteligence: Tento směr profiluje budoucí inženýry a vývojáře komplexních aplikací a systémů vhodně využívajících AI. Zahrnuje integraci AI do celého životního cyklu softwaru, bezpečný provoz a kontejnerizaci aplikací, využití cloudových technologií a osvojení moderních přístupů, jako je CI/CD nebo metody autonomního testování.
• Data science a strojové učení: Jde o silně analytickou větev. Studenti se zde učí navrhovat a softwarově implementovat pokročilé metody strojového učení, aplikovat statisticko-ekonometrické techniky, modelovat složité ekonomické vztahy a pracovat s velkými daty

Část předmětů je společná pro všechny specializace, mezi tyto předměty patří například Principy umělé inteligence.

Studium pokrývá široké spektrum nejmodernějších technologií. Společným základem pro všechny je práce s generativní AI a pokročilým zpracováním přirozeného jazyka (NLP) – každý student například absolvuje povinný předmět Velké jazykové modely. Další technologie a projekty se pak odvíjejí od zvolené specializace:

• Z hlediska architektury a vývoje si studenti osvojí nasazování aplikací za využití cloudových technologií a kontejnerizace.
• Vyzkouší si rychlý vývoj aplikací pomocí low-code a no-code AI platforem.