Apie programą
| Padalinys | Matematikos ir informatikos fakultetas | Trukmė | 4 metai |
| Krypčių grupė | Matematikos mokslai | Studijų forma | Nuolatinė |
| Studijų kryptis (šaka) | Statistika | Studijų programos kreditai | 240 |
| Kvalifikacinis laipsnis | Matematikos mokslų bakalauro laipsnis | Metinė studijų kaina | 4 201 EUR |
Apie programą be formalumų: pokalbis su prof. dr. Jurgita Markevičiūte | Ateities kompasas
Duomenų mokslas (angl. Data Science) yra sparčiai besivystanti duomenų analizės sritis, apjungianti modernius ir klasikinius statistinius metodus, tokius kaip stochastinis modeliavimas ir duomenų gavyba, su pažangiomis informacinėmis technologijomis, įskaitant neuroninius tinklus ir duomenų bazių valdymą. Sparčiai augantis duomenų kiekis ir įvairovė didina kvalifikuotų duomenų analitikų poreikį, todėl ši sritis suteikia unikalių karjeros galimybių tiek versle, tiek moksle.
Transformuok duomenis į karjeros galimybes
Duomenų mokslo studijos suteikia galimybę dirbti įvairiuose sektoriuose ir organizacijose. Big Data įmonėse absolventai tampa duomenų analizės specialistais, kurdami įžvalgas ir sprendimus remiantis dideliais duomenų srautais. Finansų, rinkodaros ir kitose bendrovėse jie dirba statistinės analizės specialistais, prisidedančiais prie verslo sprendimų priėmimo. Technologijų ir IT sektoriuje absolventai tampa duomenų analizės ir sprendimų priėmimo procesų optimizavimo specialistais, diegiančiais efektyvius sprendimus. Valstybinėse ir tarptautinėse institucijose jie dirba duomenų analitikais, prisidedančiais prie duomenų valdymo, analizės ir strateginių sprendimų kūrimo.
Karjera
Duomenų analitikai / dirbtinio intelekto sprendimų kūrėjai / prognozavimo ir modeliavimo specialistai / duomenų inžinieriai / didžiųjų duomenų analitikos ekspertai / sprendimų priėmimo sistemų kūrėjai.
Studijų turinys
| Dalykai (dalis gali būti dėstoma anglų kalba) | Kreditai |
| 1 rudens semestras | |
| Privalomieji dalykai | 30.0 |
| Algebra I/II d. | 5.0 |
| Informatika | 10.0 |
| Įvadas į duomenų mokslą | 10.0 |
| Matematikos pagrindai | 5.0 |
| 2 pavasario semestras | |
| Privalomieji dalykai | 25.0 |
| Algebra II/II d. | 5.0 |
| Duomenų bazių valdymo sistemos | 5.0 |
| Matematinė analizė I/II d. | 10.0 |
| Tiriamoji duomenų analizė | 5.0 |
| Individualiųjų studijų dalykai (moduliai) | 5.0 |
| 3 rudens semestras | |
| Privalomieji dalykai | 10.0 |
| Matematinė analizė II/II d. | 5.0 |
| Tikimybių teorija | 5.0 |
| Individualiųjų studijų dalykai (moduliai) | 20.0 |
| 4 pavasario semestras | |
| Privalomieji dalykai | 15.0 |
| Atsitiktiniai procesai | 5.0 |
| Duomenų vizualizavimas | 5.0 |
| Statistika | 5.0 |
| Pasirenkamieji dalykai | 5.0 |
| Imčių metodai | 5.0 |
| Lošimų teorija | 5.0 |
| Programavimas PYTHON kalba | 5.0 |
| Individualiųjų studijų dalykai (moduliai) | 10.0 |
| 5 rudens semestras | |
| Privalomieji dalykai | 15.0 |
| Didžiųjų duomenų programiniai įrankiai | 5.0 |
| Natūralios kalbos apdorojimas | 5.0 |
| Tiesiniai modeliai | 5.0 |
| Pasirenkamieji dalykai | 5.0 |
| Dirbtinio intelekto pagrindai | 5.0 |
| Duomenų tvarkyba ir transformavimas R aplinkoje | 5.0 |
| Laiko eilutės | 5.0 |
| Nereliacinės duomenų bazės | 5.0 |
| Optimizavimo metodai | 5.0 |
| Skaitiniai metodai | 5.0 |
| Individualiųjų studijų dalykai (moduliai) | 10.0 |
| 6 pavasario semestras | |
| Privalomieji dalykai | 20.0 |
| Duomenų mokslo projektas | 10.0 |
| Regresinė analizė | 5.0 |
| Tikimybiniai mašininio mokymosi algoritmai I/II d. | 5.0 |
| Pasirenkamieji dalykai | 5.0 |
| Didieji kalbų modeliai | 5.0 |
| Finansinis intelektas | 5.0 |
| Imčių metodai | 5.0 |
| Papildomi duomenų vizualizavimo skyriai | 5.0 |
| Rizikos valdymas | 5.0 |
| Statistinis modeliavimas | 5.0 |
| Individualiųjų studijų dalykai (moduliai) | 5.0 |
| 7 rudens semestras | |
| Privalomieji dalykai | 10.0 |
| Taikomoji daugiamatė analizė | 5.0 |
| Tikimybiniai mašininio mokymosi algoritmai II/II d. | 5.0 |
| Pasirenkamieji dalykai | 10.0 |
| Bajeso statistika | 5.0 |
| Dirbtinio intelekto pagrindai | 5.0 |
| Duomenų tvarkyba ir transformavimas R aplinkoje | 5.0 |
| Eksperimentų planavimas | 5.0 |
| Nereliacinės duomenų bazės | 5.0 |
| Optimizavimo metodai | 5.0 |
| Skaitiniai metodai | 5.0 |
| Individualiųjų studijų dalykai (moduliai) | 10.0 |
| 8 pavasario semestras | |
| Privalomieji dalykai | 30.0 |
| Bakalauro baigiamasis darbas (kryptis: statistika) | 15.0 |
| Profesinė praktika | 15.0 |
Paskaitos vyksta Naugarduko g. 24 / Šaltinių g. 1A ir Didlaukio g. 47.
Numatomi studijų rezultatai:
- gebės taikyti pagrindinius įvairių matematikos sričių rezultatus, operuoti sąvokomis, skaityti bei paaiškinti matematinius įrodymus;
- gebės formuluoti bei spręsti praktinį uždavinį matematine kalba pasitelkdamas tinkamus programinius įrankius;
- gebės išrinkti bei modifikuoti duomenis, saugomus reliacinėse (bei nereliacinėse) duomenų bazėse, gebės savarankiškai sukurti nesudėtingas reliacines duomenų bazes;
- gebės rinkti duomenis iš įvairių duomenų šaltinių, įvertinti duomenų patikimumą, klasifikuoti duomenis šaltinio, apimties, dažnumo ir srauto aspektu, sutvarkyti bei paruošti duomenis analizei;
- gebės identifikuoti pagrindines bei antrines problemas sprendžiant analitinius ir praktinius uždavinius;
- gebės įvertinti duomenų analizės metodų bei rezultatų apribojimus;
- gebės parinkti ir pritaikyti tinkamą metodologiją suformuluotam duomenų analizės uždaviniui optimaliai pasirinkdamas programinius analizei skirtus įrankius;
- gebės įvertinti duomenų analizės uždaviniui sudaryto modelio tinkamumą bei patikimumą;
- gebės interpretuoti analizės rezultatus, išskirti prasmingą informaciją bei remiantis ja teikti siūlymus;
- gebės savarankiškai rengti nedidelės apimties duomenų analize grindžiamus projektus, kurti nedidelius duomenų analizės ataskaitų įrankius.
Bendradarbiavimas
Programos partneriai
O KAS TOLIAU? | Alumni pasakoja
Apie Duomenų mokslo studijas pasakoja absolventas Egidijus Pilypas, vienas iš įmonės Exacaster steigėjų.
Kontaktai
Studijų programos komitetas
Doc. dr. Rūta Levulienė – komiteto pirmininkė;
- vyresn. m. darb. dr. Jolita Bernatavičienė;
- dr. Andrius Buteikis;
- prof. habil. dr. Vydas Čekanavičius;
- prof. dr. Jurgita Markevičiūtė;
- asist. dr. Saulius Jokubaitis;
- asist. dr. Tomas Plankis;
- doc. dr. Viktor Skorniakov;
- prof. dr. Deimantė Vasiliauskaitė (Vilniaus universiteto Verslo mokykla);
- Ramunė Šabanienė (socialinių partnerių atstovas, If P&C Insurance AS filialas);
- Miglė Armonavičiūtė, studentų atstovė;
- Liepa Urbonaitė, studentų atstovė;
- Gintarė Antulytė, studentų atstovė.
