Upozornění:

Studijní program je v přípravě.

Cíle studijního programu

Tento program se zaměří na datovou vědu z pohledu pěti základních pilířů OSEMN (Obtain, Scrub, Explore, Model and iNterpret), tzn. (1) získávání nových dat prostřednictvím vědeckých studií a měření, a získávání již existujících dat z databází, serverů a internetu, (2) datový management, čištění dat, imputace chybějících pozorování, standardizace dat do předem určeného formátu a statistické programování, (3) explorativní analýza a vizualizace dat, (4) výpočetní statistika a statistické modelování, (5) interpretace výsledků. Studenti se naučí používat jazyky SQL, R, Python a SAS v datové vědě. Také se naučí plánovat vědecké a klinické studie, vybírat statistické jednotky, analyzovat reálná data, psát o číslech a prezentovat výsledky. Program je určen pro studenty, kteří mají zájem o pokročilou práci s reálnými daty a statistiku. Studenti najdou uplatnění v mnoha odvětvích, která sbírají a analyzují data.

Po absolvování tohoto programu budou studenti schopni využít své znalosti v různých vědeckých oblastech zaměřených na sběr a analýzu dat. Mezi tyto oblasti patří medicína (klinický a lékařský výzkum, epidemiologie, diagnostika nemocí), geografie, ekologie a hydrologie (klimatické změny, předpovědi počasí, analýza extrémních jevů, jako jsou povodně) či ekonomie a finance (ekonometrická analýza, řízení rizik a teorie portfolia na finančních trzích). Jedná se o nový dvouletý navazující magisterský studijní program, který bude částečně využívat a inovovat některé předměty magisterského programu Aplikovaná matematika a také bude využívat některé předměty z Fakulty informatiky.

Studium

  • Cíle
    Tento program se zaměří na datovou vědu z pohledu pěti základních pilířů OSEMN (Obtain, Scrub, Explore, Model and iNterpret), tzn. (1) získávání nových dat prostřednictvím vědeckých studií a měření, a získávání již existujících dat z databází, serverů a internetu, (2) datový management, čištění dat, imputace chybějících pozorování, standardizace dat do předem určeného formátu a statistické programování, (3) explorativní analýza a vizualizace dat, (4) výpočetní statistika a statistické modelování, (5) interpretace výsledků. Studenti se naučí používat jazyky SQL, R, Python a SAS v datové vědě. Také se naučí plánovat vědecké a klinické studie, vybírat statistické jednotky, analyzovat reálná data, psát o číslech a prezentovat výsledky. Program je určen pro studenty, kteří mají zájem o pokročilou práci s reálnými daty a statistiku. Studenti najdou uplatnění v mnoha odvětvích, která sbírají a analyzují data.

    Po absolvování tohoto programu budou studenti schopni využít své znalosti v různých vědeckých oblastech zaměřených na sběr a analýzu dat. Mezi tyto oblasti patří medicína (klinický a lékařský výzkum, epidemiologie, diagnostika nemocí), geografie, ekologie a hydrologie (klimatické změny, předpovědi počasí, analýza extrémních jevů, jako jsou povodně) či ekonomie a finance (ekonometrická analýza, řízení rizik a teorie portfolia na finančních trzích). Jedná se o nový dvouletý navazující magisterský studijní program, který bude částečně využívat a inovovat některé předměty magisterského programu Aplikovaná matematika a také bude využívat některé předměty z Fakulty informatiky.

  • Výstupy z učení

    Absolvent je po úspěšném ukončení studia schopen:

    • vysvětlit a aplikovat pokročilé koncepty statistické inference, odhadu a testovacích technik, aplikovat teorii pravděpodobnosti pro pochopení metodologie;
    • rozpoznat běžná porušení klasických předpokladů, posoudit dopad porušení předpokladů, aplikovat diagnostické testy a techniky, používat alternativní modelovací přístupy;
    • chápat koncept flexibilního modelování dat, aplikovat a přizpůsobovat nelineární metody a metody strojového učení pro flexibilní modelování dat, hodnotit výkon modelu, identifikovat a zmírnit přeučení;
    • chápat principy prediktivního modelování a jeho aplikace v rozhodovacím procesu, konstruovat prediktivní modely, trénovat, validovat a testovat modely, hodnotit výkon modelu, zahrnovat nejistotu a riziko, optimalizovat modely;
    • porozumět charakteristikám a reprezentaci různých typů složitých dat, včetně časoprostorových a sekvenčních dat, předzpracovat a vyčistit taková data, implementovat specifické statistické a strojově učící modely;
    • rozlišovat různé architektury modelů, vybrat a odůvodnit vhodné statistické techniky pro různé datové sady, aplikovat systematické přístupy pro výběr modelu, identifikovat a vysvětlit komponenty modelu;
    • chápat klíčové komponenty zpráv a principy efektivní vizualizace dat, vytvářet vysoce kvalitní vizualizace, shrnovat a interpretovat statistické výsledky modelu, logicky organizovat zprávy.

  • Uplatnění absolventa
    Absolventi magisterského programu Statistická datová věda budou mít kromě analytických – statistických a programátorských – dovedností také široké znalosti moderního matematického a statistického modelování. Jejich významné uplatnění na trhu práce proto spočívá i v oblasti plánování, simulování, hodnocení a porovnávání scénářů projektů a jejich udržitelnosti. Analytické dovednosti absolventů, schopnost modelovat různé scénáře, simulovat jejich budoucí dopady a zvolit optimální postup představují cenný přínos pro organizace v mnoha odvětvích.

    Předpokládaná uplatnitelnost absolventů je zejména:

    - ve výzkumu a hodnocení vlivu vakcín a léků,

    - v analýze a plánování vlivů na životní prostředí, využívání vody a zajištění udržitelného odběru,

    - ve finančních institucích, bankovnictví, pojišťovnictví při vývoji matematických a statistických modelů pro finanční trhy a obchodování,

    - v oblasti klimatického modelování, změn klimatu, analýzy emisí skleníkových plynů, prognóz a strategií adaptace,

    - v oblasti inovací a výzkumu a technologiích čisté energie a energie z obnovitelných zdrojů, modelování energetické účinnosti,

    - v analýze výrobních toků průmyslových podniků a v navrhování a posuzování nových postupů, které budou udržitelné a efektivní při výrobě

    - v analýze a plánování přístupných a udržitelných dopravních systémů, veřejné a sdílené dopravě,

    - v analýze a plánování postupů pro sledování dopadů udržitelného rozvoje na cestovní ruch,

    - ve vědeckých institucích jako podpora vědeckých projektů, práce s velkými datovými sadami a navrhování experimentů,

    - v orgánech veřejné správy, včetně ministerstev životního prostředí a průmyslu a obchodu, v neziskových organizacích nebo think-tancích zabývajících se udržitelností.

  • Pravidla a podmínky pro vytváření studijních plánů
    Bakalářské a magisterské studium probíhá podle celouniverzitního kreditního systému, který je v souladu s pravidly European Credit Transfer System (ECTS). Povinně volitelné předměty jsou ve studijním plánu organizovány do jedné čí více skupin; student volí povinně volitelné předměty na základě stanoveného minimálního počtu kreditů v každé skupině.

    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.

  • Praxe
    Praxe není součástí tohoto studijního programu.
  • Cíle kvalifikačních prací
    Vypracování a obhajoba diplomové práce je povinnou součástí studijního programu Statistická datová věda. Zpracováním diplomové práce student prokazuje schopnost orientace v problematice dané tématem diplomové práce, schopnost odborné práce pod vedením svého školitele a schopnost písemné i ústní prezentace.

    Pokyny pro vypracování diplomové práce jsou upraveny Opatřením děkana 3/2019 Pokyny pro vypracování bakalářských, diplomových a rigorózních prací na PřF MU.

  • Návaznost na další studijní programy
    Absolvent magisterského studijního programu může (po splnění podmínek pro přijetí) pokračovat ve studiu doktorského programu Matematika a Statistika (specializace Pravděpodobnost, statistika a matematické modelování a jiné) nebo i v jiném navazujícím doktorském studiu v oborech Aplikovaná matematika, Statistika a Matematika, a to jak na českých, tak na zahraničních univerzitách.

Základní údaje

Zkratka
N-SDV
Typ
magisterský navazující
Profil
akademický
Titul
Mgr.
Titul v rigorózním řízení
RNDr.
Doba studia
2 roky
Vyučovací jazyk
čeština čeština

Přírodovědecká fakulta
Program zajišťuje
Ve spolupráci s