Umělá inteligence a zpracování dat

Program se dělí do čtyř specializací, které prohlubují znalosti ve vybraném směru. Specializace sdílí společný základ studia, který představuje studentům nejdůležitější matematické, algoritmické i technologické aspekty práce oboru. Specializace Strojové učení a umělá inteligence vede absolventy k získání hlubších znalostí metod v oblasti technik strojového učení a umělé inteligence a zkušeností s jejich aplikací. Specializace Zpracování přirozeného jazyka připravuje absolventy na práci s přirozenými jazyky (např. čeština, angličtina) v psané i mluvené podobě z pohledu informatiky. Specializace Analýza a zpracování rozsáhlých dat se zaměřuje na datové vědy, které vytvářejí hodnotu z obrovských datových toků tím, že sbírají, prozkoumávají, interpretují a prezentují data z různých hledisek za účelem datové analytiky, tzv. business intelligence. Specializace Bioinformatika a systémová biologie se zaměřuje na počítačové metody pro automatizovanou analýzu rozsáhlých biologických dat a pro vytváření prediktivních modelů biologických procesů za účelem lepšího pochopení komplexních biologických systémů.

Absolvent je po úspěšném ukončení studia schopen:

• navrhovat systémy a technologie pro zpracování a analýzu dat, a to i rozsáhlých, vyžadujících distribuované architektury;
• navrhovat, implementovat a vyhodnocovat metody pro inteligentní chování počítačových systémů;
• identifikovat problémy řešitelné pomocí technik umělé inteligence a strojového učení, vhodným způsobem je formálně popsat a aplikovat adekvátní přístup k jejich řešení;
• provést praktickou analýzu rozsáhlých dat, výsledky vhodně vizualizovat, statisticky zpracovat a interpretovat;
• zohlednit společenský dopad a etické aspekty vývoje inteligentních systémů a analýzy (potenciálně citlivých) dat;
• nadále samostatně sledovat vývoj v oblasti a vzdělávat se.

• aplikovaný i základní výzkum, typicky zpracování rozsáhlých dat, často ve spolupráci s odborníky z jiných oborů jako je biologie nebo lingvistika;

• práce ve firmách, jejichž bezprostředním zájmem jsou umělá inteligence a zpracování dat (např. Seznam, Google), například na pozicích “Data Scientist” a “Machine Learning Engineer”;

práce ve firmách, které mají k dispozici cenná a často rozsáhlá data (např. bankovnictví, telekomunikační operátoři), ale i firmách poskytující technologie pro datovou analytiku v cloudech, například na pozicích “Business Intelligence Analyst” a “Data Analyst”;

založení vlastního start-upu specializujícího se na využití metod umělé inteligence v konkrétní oblasti.

Celouniverzitní pravidla pro tvorbu studijních programů, která zpřesňují pravidla vymezená v metodice Národního akreditačního úřadu Doporučené postupy pro přípravu studijních programů, upravuje směrnice Masarykovy univeritzy č. 1/2024 Pravidla pro tvorbu studijních programů a programů celoživotního vzdělávání. Směrnice vymezuje šest typů studijních plánů a jejich použití a kombinace v jednotlivých typech studijních programů. Jedná se o

1. jednooborový studijní plán,
2. studijní plán se specializací,
3. hlavní studijní plán (maior),
4. vedlejší studijní plán (minor),
5. studijní plán ve spolupráci s jinou vysokou školou či jinou právnickou osobou,
6. studijní plán na dostudování (určen pouze pro dostudování ve studijním oboru, studijním programu nebo studijním plánu, který zanikne).

Premisou pravidel je, že studijní plány umožňují naplnění cílů studia a dosažení profilu absolventa studijního programu. Výjimkou je pouze vedlejší studijní plán, který doplňuje hlavní studijního plán jiného studijního programu. Student nemůže studovat pouze podle vedlejšího studijního plánu.

Kopie prohlášení autora školního díla, Prohlášení o autorství, Obsah,

Vlastní text práce, a referencovanou Literaturu. Očekávaný rozsah práce je 40 normostran, vlastního textu (včetně ilustrací).