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
- CíleTento 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 absolventaAbsolventi 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 plánůBakalářské 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
- jednooborový studijní plán,
- studijní plán se specializací,
- hlavní studijní plán (maior),
- vedlejší studijní plán (minor),
- studijní plán ve spolupráci s jinou vysokou školou či jinou právnickou osobou,
- 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.
- PraxePraxe není součástí tohoto studijního programu.
- Cíle kvalifikačních pracíVypracování 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 programyAbsolvent 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.