Umělá inteligence a zpracování dat

Studijní program Umělá inteligence a zpracování dat připravuje studenty na práci v oblasti návrhu a vývoje inteligentních systémů a analytiky rozsáhlých dat. Jde o oblasti informatiky, které se dnes velmi rychle vyvíjejí a nabývají stále větší důležitosti. Program studenty vede k důkladnému pochopení základních teoretických pojmů a metod. Již v průběhu studia studenti řeší konkrétní případové studie, při kterých se seznámí s aktuálně používanými nástroji a technologiemi. Studenti tak získají zkušenosti, které jim umožní bezprostředně využít aktuální stav poznání v praxi, i pevné základy, díky kterým mohou nadále samostatně sledovat další vývoj v oblasti.

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.

Díky dynamickému vývoji oblasti, na kterou studenty program připravuje, mají absolventi širokou škálu uplatnění, přičemž konkrétní způsoby uplatnění kontinuálně vznikají a mnohé se teprve objeví v průběhu studia. Rámcové možnosti uplatnění představují:

• 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.

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.

Na Masarykově univerzitě došlo k celouniverzitnímu konsensu na pravidlech pro tvorbu studijních programů, které zpřesňují pravidla vymezená v metodice Národního akreditačního úřadu Doporučené postupy pro přípravu studijních programů. Pravidla pro tvorbu studijních programů byla schválena ve stejnojmenné směrnici MU (Směrnice MU č. 11/2017: Pravidla pro tvorbu studijních programů) a vymezují 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. studium podle dvou hlavních studijních plánů,
6. plán na dostudování (určen pouze studentům z obdobného studijního oboru, kterému zaniká akreditace).

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

Praxe není povinnou součástí studijního programu.

U diplomové práce se očekává, že student především prokáže schopnost zpracovat větší projekt (například vytvořit užitečný program, formulovat a dokázat netriviální tvrzení) a že dokáže své dílo zasadit do relevatního kontextu aktuálního poznání a prezentovat je formou odborného textu. Práce může být v českém, slovenském nebo anglickém jazyce. Předepsaná struktura práce zahrnuje sekce

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

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

Absolvent studijního programu může (po splnění podmínek přijetí) pokračovat v doktorském studiu na dané fakultě.