| Освітньо-професійна програма: | Прикладні комп’ютерні науки |
| Галузь знань: | F Інформаційні технології |
| Спеціальність: | F3 Комп’ютерні науки |
| Кваліфікація: | Магістр з комп’ютерних наук |
| Ступінь вищої освіти: | Магістр |
| Мови викладання: | Українська / Англійська |
Магістерська програма "Прикладні комп'ютерні науки" дає якісні знання та навички, необхідні для здійснення професійної діяльності у сфері комп’ютерних наук, зокрема здатність обирати, налаштовувати апаратно-програмні засоби та середовища розроблення інформаційних систем, а також застосовувати математичні моделі, методи й алгоритми для проектування, розроблення і модернізації систем, пов’язаних із прикладними дослідженнями даних у певній предметній галузі.
2024 рік:
Освітньо-професійна програма «Прикладні комп’ютерні науки»
2022 рік:
Презентація магістерської програми
Освітньо-професійна програма «Прикладні комп’ютерні науки»
Відгуки та рецензії на освітню програму
- Відгук компанії ELEKS
- Відгук компанії Grid Dynamics
- Відгук компанії Sigma Software
- Відгук компанії SoftServe
- Відгук Prof., DSc., Sergii Babichev
Акредитація освітньої програми
Відомості про самооцінювання ОП
Ліцензія на провадження освітньої діяльності
-
Ліцензія на провадження освітньої діяльності на другому (магістерському) рівні вищої освіти за спеціальністю 122 Комп’ютерні науки (наказ МОН України № 19-л від 22.02.2021).
Мета освітньої програми
Підготовка фахівців, здатних розв’язувати прикладні завдання дослідницького та/або інноваційного характеру у сфері комп’ютерних наук.
Орієнтація освітньої програми
Освітньо-професійна програма, орієнтована на сучасні вимоги до фахівців з комп’ютерних наук для потреб IT-індустрії та інших прикладних предметних галузей. Може бути інтегрована в існуючі процеси компанії, пов’язані з підвищенням кваліфікації працівників та їх зростанням у кар’єрній ієрархії.
Основний фокус освітньої програми
Загальна освіта в галузі інформаційних технологій за спеціальністю F3 "Kомп'ютерних наук", орієнтована на різні предметні галузі (наприклад, фінанси і банківська справа, соціологія, медицина, телекомунікації та зв'язок, електронна комерція тощо) і прикладні напрями (дослідження даних, веб-технології, розробка ПЗ для мобільних пристроїв, тестування ПЗ, автоматизація життєвого циклу програмних продуктів тощо).
Перелік компонент освітньої програми
|
Код |
Компоненти освітньої програми (навчальні дисципліни, практика, кваліфікаційна робота) |
Форма підсумкового контролю |
Кількість кредитів |
|
Навчальні дисципліни загальної підготовки |
|||
|
ОК1 |
Соціально-комунікативні навички |
залік |
3 |
|
ОК2 |
Публічний виступ |
залік |
3 |
|
ОК3 |
Методи наукових досліджень |
залік |
3 |
|
Всього за групою: |
9 |
||
|
Навчальні дисципліни професійної підготовки |
|||
|
ОК4 |
Спеціальні розділи математики |
екзамен |
4 |
|
ОК5 |
Спеціальні розділи програмування |
залік |
4 |
|
ОК6 |
Просунуте машинне навчання |
залік |
4 |
|
ОК7 |
Комп’ютерний зір |
залік |
4 |
|
ОК8 |
Методології розробки ПЗ |
залік |
4 |
|
ОК9 |
Проектування баз даних та знань |
залік |
4 |
|
ОК10 |
Практичний генеративний інтелект |
залік |
4 |
|
ОК11 |
Магістерський семінар |
залік |
4 |
|
Всього за групою: |
32 |
||
|
Виконання проектів і практична підготовка |
|||
|
ОК12 |
Проектна робота |
захист |
6 |
|
ОК13 |
Практика за темою кваліфікаційної роботи |
залік |
9 |
|
Всього за групою: |
15 |
||
|
Атестація |
|||
|
ОК14 |
Підготовка та захист кваліфікаційної роботи |
публічний захист |
10 |
|
Всього за групою: |
10 |
||
|
Загальний обсяг обов’язкових компонент: |
66 |
||
|
Загальний обсяг вибіркових компонент за напрямами: |
24 |
||
|
ЗАГАЛЬНИЙ ОБСЯГ ОСВІТНЬОЇ ПРОГРАМИ |
90 |
||
Структурно-логічна схема освітньої програми
Викладачі освітньої програми
-
Дейнеко Анастасія Олександрівна, кандидат технічних наук, доцент, доцент ІТ СТЕП Університету, Technical Trainer у компанії Grid Dynamics, гарант ОП
-
Рак Тарас Євгенович, доктор технічних наук, доцент, професор ІТ СТЕП Університету, член Освітнього комітету Львівського ІТ Кластеру, керівник ОП
-
Бугрій Олег Миколайович, доктор фізико-математичних наук, професор, професор ІТ СТЕП Університету, сумісник
-
Максимів Олексій Петрович, кандидат технічних наук, доцент ІТ СТЕП Університету, Software Engineer у компанії Star
-
Березький Олег Миколайович, доктор технічних наук, професор, професор ІТ СТЕП Університету, сумісник
-
Палецька-Юкало Антоніна Володимирівна, кандидат педагогічних наук, доцент ІТ СТЕП Університету, керівник Soft Skills School
-
Мокій Олександра Анатоліївна, кандидат економічних наук, доцент ІТ СТЕП Університету, Head of Learning & Development Office у компанії Eleks, сумісник
-
Паздрій Оксана Ігорівна, кандидат фізико-математичних наук, доцент ІТ СТЕП Університету, Data Scientist у компанії Covizmo
-
Ткаченко Павло Романович, кандидат технічних наук, доцент, доцент ІТ СТЕП Університету, Data Scientist у компанії Lemberg Solutions
-
Вербенко Ірина Олегівна, кандидат технічних наук, доцент ІТ СТЕП Університету, Senior Delivery Manager у компанії Intellias
Анотації обов’язкових компонент освітньої програми
| Назва обов’язкової компоненти освітньої програми |
Анотація |
Соціально- комунікативні навички |
Протягом останніх десятиріч професійні навички, або ж, як їх ще називають жорсткі (hard skills), безумовно демонструють роботодавцям досвід та технічні здібності працівника, тоді як соціально-комунікативні навички, так звані мякі (soft skills), вказують на здатність якісно взаємодіяти з іншими та розвиватись в компанії. Соціально-комунікативні навички – це особисті риси та здібності, які допомагають вам ефективно працювати та співпрацювати.Також відомі як навички роботи з людьми, соціально-комунікативні навички можуть допомогти вам ефективно спілкуватися,демонструвати професіоналізм і розвивати ділові стосунки. Приклади таких навичок взаємодії включають вміння розв’язувати проблеми, креативність, побудову довіри, управління конфліктами, адаптивність і командну роботу, постановку цілей, делегування,надання зворотного зв'язку. Розвивати соціально-комунікативні навички можна і треба, але це не проста задача. І дуже важливим є те, що така дисципліна є в Університеті. Процес навчання вимагає від студента значних зусиль, оскільки полягає не лише у прослуховуванні лекцій та відвідуванні практичних занять, а значною мірою у тому, щоб щодня відпрацьовувати кожен навик. Оскільки дуже часто студенти магістратури на момент навчання вже мають досвід роботи, для них вивчення дисципліни передбачає щоденне застосування отриманих знань на практиці, у їх професійній діяльності. І це стосується усіх соціально-комунікативних навичок. А саме, вміння взаємодіяти, комунікувати і домовлятись, або ж формувати команду, вирішувати конфлікти чи приймати рішення, презентувати результати розробки, переконувати, аргументувати і вести успішні переговори. Все це і багато іншого ви зможете освоїти протягом вивчення дисципліни «Соціально-комунікативні навички». Фахівці, запрошені до її викладання, мають багаторічний досвід у своїх напрямах, досконало володіють предметом і на реальних прикладах демонструють застосування тих чи інших навиків. Це своєю чергою дає можливість студентам переймати реальний досвід, обмінюватись прикладами з свого професійного життя і в умовах синергії студент-викладач розвиватись і вдосконалюватись. |
| Публічний виступ | Дисципліна передбачає опанування техніки ораторської майстерності як інструменту презентації, пітчингу, переконання, аргументації. Предмет викладається англійською мовою: теоретична складова та практична (виступи студентів). Публічний виступ розглядається як результат поєднання таких аспектів: технічного аспекту (володіння голосом, жестами, інструментами для утримання уваги, розвиток пам’яті та уяви, взаємодія з аудиторією), аспекту форми (онлайн / офлайн, структура виступу, особливості контексту, етапи підготовки промови/презентації), змістового аспекту (вибір теми на основі аналізу цільової аудиторії та мети виступу, подача матеріалу, наповнення, стилістика публічного виступу, робота із запитаннями, аргументацією, конструктивність мовлення, використання ораторських прийомів). Студенти набувають практичних навичок підготовки промов та презентацій для пітчингу й публічних виступів у стилі TEDx. |
| Методи наукових досліджень |
Метою дисципліни є отримання знань із основ наукознавства і набуття навиків написання і оформлення наукових результатів. Дисципліна передбачає ознайомлення із наукою та її роллю в суспільстві, організацією наукових досліджень в Україні. Крім того передбачено вивчення методології наукових досліджень, засобів та методів наукових досліджень, методологічних основ наукових досліджень і організації проведення наукових досліджень. Також в дисципліні передбачено вивчення технології підготовки магістерської та дисертаційної робіт. Практичною складовою курсу є ознайомлення з написанням авторського права на твір,тез доповіді на науково-технічну конференцію та наукової статті. Завершальним кроком є ознайомлення наукометрією та технологією пошуку наукових публікацій. |
| Спеціальні розділи математики |
В рамках дисципліни студенти розвиваються теоретичну підготовку та набувають практичних навичок в контексті формалізаціїпредметної області певного проєкту у вигляді відповідної інформаційної моделі; використання математичних методів для аналізу формалізованих моделей предметної області; збирання і аналізу даних (включно з великими), для забезпечення якості прийняття проєктних рішень; застосування існуючих і розроблення нових алгоритмів розв’язування задач у галузі комп’ютерних наук; розроблення програмного забезпечення відповідно до сформульованих вимог з урахуванням наявних ресурсів та обмежень. |
| Спеціальні розділи програмування |
Дисципліна пропонує студентам розширити свої знання в програмуванні та вивчити ряд важливих концепцій, необхідних для написання високоякісного програмного забезпечення. В рамках курсу студенти досліджують принципи написання чистого коду, а також вивчають рефакторинг як інструмент для покращення якості коду. Крім того, студентам пропонується вивчити основні патерни проєктування, їх імплементацію та роль у побудові якісної архітектури коду. Значна увага в рамках курсу приділяється вивченню концепції чистої архітектури, що дозволяє побудувати гнучку та легко підтримувану архітектуру програми, що сприяє більшій стабільності та простоті коду. На курсі також розглядаються основні підходи до оптимізації коду, тестування та профайлингу робочого коду. Після успішного завершення курсу студенти матимуть поглиблені знання про написання високоякісного коду та зможуть ефективно використовувати патерни проєктування та рефакторинг для покращення якості свого коду. Вони також зможуть побудувати структуровану та гнучку архітектуру програми та застосовувати оптимізаційні та тестувальні стратегії для забезпечення більшої стабільності та продуктивності своєї програми. Мова програмування яка використовується в курсі є Python, однак курс буде корисним для людей які використовують не лише Python, а й будь-яку іншу мову програмування та хочуть покращити свої навички програмування. |
| Дослідження даних |
Дисципліна призначена для вивчення основних методів та алгоритмів, які використовуються в сучасному Data Science. Протягом вивчення цієї дисципліни розглядаються базові аспекти статистики та аналітики даних, як структурованих так і неструктурованих даних, основні методи машинного навчання для вирішення задач класифікації, кластерування та прогнозування. Для опрацювання неструктурованих даних, таких як відео послідовності, текстові дані, часові ряди, студенти вивчають системи глибинного навчання, такі як згорткові нейронні мережі,рекурентні мережі та трансформери. Виконуючи практичні завдання опрацювання наборів даних, студенти відпрацьовують свої навички роботи з моделями машинного навчання, такими як дерев’яні алгоритми, а для вирішення завдань роботи з неструктурованими даними навчають глибинні нейроні мережі та налаштовують їх параметри для підвищення точності результатів. |
| Комп'ютерний зір |
Дисципліна спрямована на формування поглиблених знань і практичних умінь, необхідних для розв’язання задач дослідницького та/або інноваційного характеру у сфері автоматизованого аналізу, обробки та інтерпретації зображень і відеоданих. У межах курсу розглядаються сучасні методи цифрової обробки зображень, сегментації, виділення ознак, класифікації, виявлення та розпізнавання об’єктів, аналізу руху,обробки відеопотоків, а також підходи машинного й глибинного навчання для побудови інтелектуальних систем комп’ютерного зору. Особлива увага приділяється здатності студентів самостійно формалізувати складні прикладні та науково-дослідні задачі, обґрунтовувати вибір алгоритмів, моделей і архітектур, проводити експериментальні дослідження, оцінювати якість отриманих результатів та пропонувати інноваційні програмні рішення для роботи з візуальними даними. Вивчення дисципліни забезпечує підготовку магістрів до застосування технологій комп’ютерного зору в наукових дослідженнях, інтелектуальних інформаційних системах, цифровій трансформації, промисловості,медицині,безпеці, робототехніці та інших сферах професійної діяльності. |
| Методології розробки ПЗ |
Дисципліна «Методології розробки програмного забезпечення»призначена для вивчення принципів, моделей та підходів доорганізації процесів розробки ПЗ. Основними завданнями є розуміння класичних та сучасних методологій, і гнучких методів, їх переваг і недоліків;формування практичних навичок вибору,адаптації та впровадження методологій для реальних проєктів. |
| Проєктування баз данних і знань |
Навчальна дисципліна передбачає поглиблене вивченняреляційних, NoSQL баз даних та розподілені системи, оптимізаціїзапитів, графових баз даних та Knowledge Graph, аналізу графів,AI-алгоритмів, інтеграції даних для практичних кейсів. Основним завданням дисципліни є підготувати студентів до практичного проєктування реляційних, NoSQL та графових баз даних, баз знань, та їх інтеграції з системами штучного інтелекту. |
| Практичний генеративний інтелект |
Дисципліна спрямована на формування поглиблених знань і практичних умінь, необхідних для розв’язання задач дослідницького та/або інноваційного характеру у сфері комп’ютерних наук із використанням сучасних технологій генеративного штучного інтелекту. У межах курсу розглядаються типи штучного інтелекту, принципи роботи генеративного ШІ та великих мовних моделей, основи інженерії запитів, використання API LLM, генерація програмного коду, робота з мультимодальними моделями, а також створення графіки, відео й аудіо за допомогою генеративних інструментів. Особлива увага приділяється практичному застосуванню LLM для екстракції інформації, побудови чат-ботів і цифрових двійників, реалізації систем генерації з доповненим пошуком, точної настройки моделей, створення власних мовних моделей та розроблення автономних агентів.Вивчення дисципліни забезпечує здатність магістрів критично оцінювати можливості й обмеження генеративного ШІ, обґрунтовувати вибір моделей та архітектур, інтегрувати генеративні рішення у програмні системи, проводити експериментальні дослідження та створювати інноваційні інтелектуальні застосунки для освіти, бізнесу, науки, креативних індустрій і цифрової трансформації |
| Проєктна робота | Командна проєктна робота студентів, орієнтована на вирішення складних прикладних задач, які виникають в різних предметних областях і потребують застосування методів та засобів з галузі комп’ютерних наук. Командні проєктні роботи орієнтовані на узагальнення набутих теоретичних знань та практичних навичок, розвиток соціальних навичок таких, як робота в команді, комунікативні навички, емпатія, вирішення конфліктних ситуацій, емоційний інтелект, критичне мислення, дизайн мислення тощо. |
| Практика за темою кваліфікаційної роботи |
Практика за темою кваліфікаційної роботи є завершальним етапом навчання та проводиться в останньому семестрі навчання з метою узагальнення та вдосконалення здобутих знань, практичних умінь і навичок, оволодіння професійним досвідом та готовності їх до самостійної діяльності. Практика має професійне спрямування та є основою для написання кваліфікаційної роботи і розвитку навичок для подальшої професійної діяльності в сфері комп’ютерних наук. Базами практики можуть бути профільні організації, компанії чи установи. |
| Підготовка за захист кваліфікаційної роботи |
Виконання кваліфікаційної роботи є підсумком засвоєння освітньої програми та комплексним оцінюванням знань студента і його підготовленості до діяльності в обраній галузі знань. Кваліфікаційна робота має відображати рівень підготовленості студента до самостійної професійної діяльності та передбачає розв’язання складної задачі дослідницького та/або інноваційного характеру у сфері комп’ютерних наук. Кваліфікаційна робота є самостійно виконаним проєктом з розробки або/та дослідження, що забезпечує розроблення комп’ютерної системи (компоненти комп’ютерної системи) або розв’язання задачі в сфері комп’ютерних наук або на її межі з іншими спеціальностями. |
Вибіркова складова освітньої програми
Для формування освітньої траєкторії студент має право обрати 24 кредити ЄКТС з каталогу вибіркових освітніх компонент або має право на можливість зарахування результатів навчання, здобутих в інших закладах освіти, за програмами академічної мобільності та/або в неформальній/інформальній/дуальній освіті.
| Назва вибіркової освітньої компоненти | Анотація |
| Менеджмент фінтех компаній | Теоретичні, організаційно-правові та практичні аспекти управління бізнес-моделями, операціями, грошовими потоками та ризиками фінтех компаній (платіжних компаній, компаній електронних грошей, віртуальних банків). |
| Фінансовий комплайенс | Теоретичні, організаційно-правові та практичні аспекти щодо регулювання діяльності фінансових корпорацій (банків, платіжних інституцій та фінтех компаній) у сфері ліцензування, корпоративного управління, оптимізації оподаткування, зокрема через офшоризацію бізнесу, розробки та реалізації політики щодо запобігання та протидії фінансових операцій з легалізації (відмивання) коштів, отриманих злочинним шляхом. |
| Технології Big Data | Основними завданнями дисципліни є: опанування основних понять в галузі великих даних, ознайомлення з принципами організації сховищ великих даних, базовими алгоритмами збереження та пошуку у сховищі великих даних, ознайомлення із переліком задач, що відносяться до організації роботи з великими даними, та способами рішення таких задач, формування навичок з реалізації сховища великих даних, організації процесів роботи зі сховищем, типового аналізу великих даних. |
| Аналіз потокових даних | Аналіз часових послідовностей та розв'язання задач пов’язаних з використанням моделей для прогнозування складних послідовностей даних, таких як рекурентні нейронні мережі та трансформени. |
| Обробка пиродньої мови (NLP) у прикладних комп'ютерних науках | Дисципліна спрямована на дослідження та впровадження методів та технік, які дозволяють комп'ютерам аналізувати, розуміти та генерувати людську мову. Цей курс допомагає студентам отримати розгорнуте розуміння того, як використовувати мовні дані для розв'язання різноманітних завдань у сфері інформаційних технологій та бізнесу. |
| Використання моделей та методів обчислювального інтелекту для реконструкції 3D об'єктів та сцен |
Дисципліна спрямована на вивчення технологій та методів відтворення реалістичних 3D об'єктів та сцен за допомогою алгоритмів обчислювального інтелекту. Студенти досліджують різні методи отримання та обробки даних, які забезпечують точність і деталізацію 3D моделей. Курс охоплює аспекти від візуалізації хмар точок до глибинного навчання та застосування в сферах віртуальної реальності, науки та промисловості. Студенти вивчають структури даних, алгоритми обробки, а також розробляють програмне забезпечення для реконструкції та модифікації 3D сцен, розширюючи здатність комп'ютерів |
| DevOps та хмарні обчислення | Теоретичні знання та практичні навички використання і впровадження практик та технологій взаємодії розробників із фахівцями інформаційно-технологічного обслуговування для забезпечення інтеграції між розробкою та використанням програмного забезпечення. |
| Дизайн мислення в ІТ | Дисципліна вивчає сучасний підхід до розв'язання складних проблем і розробки інноваційних продуктів у сфері інформаційних технологій. Цей курс орієнтований на використання методології дизайну мислення, яка акцентується на розумінні потреб користувачів, творчому синтезі ідей та ефективному способу їх реалізації. |
| Інтелектуальний аналіз біомедичних даних |
Ця дисципліна вивчає методи та техніки застосування інтелектуального аналізу даних у медицині та біомедичних дослідженнях. Студенти отримають знання та навички, необхідні для виявлення закономірностей, прогнозування патологій та вдосконалення клінічних практик на основі комплексного аналізу біомедичних даних. Програма курсу включає огляд основних типів біомедичних даних, методів їх збору та підготовки. Студенти досліджуватимуть концепції машинного навчання та глибокого навчання для аналізу медичних даних, включаючи класифікацію, прогнозування та обробку біомедичних зображень. Додатковий акцент зроблено на етичні аспекти обробки медичних даних, зокрема забезпечення конфіденційності та безпеки даних пацієнтів. Студенти ознайомляться з викликами та можливостями в галузі інтелектуального аналізу біомедичних даних та розглянуть майбутні перспективи цієї швидко розвиваючої області. Цей курс допоможе студентам зрозуміти важливість та застосування інтелектуального аналізу даних у медицині, а також навчити їх практичним навичкам роботи з біомедичними даними та інструментами аналізу. Вивчення цієї дисципліни сприятиме підготовці фахівців, здатних ефективно застосовувати аналітичні методи для вдосконалення медичної діагностики та лікування. |
| Математичні осови захисту інформації |
Дисципліна надає студентам розуміння математичних засад, на яких ґрунтується сучасна криптографія та захист даних, що допомагає їм розробляти безпечні програмні системи та вирішувати завдання, пов'язані зі збереженням та обробкою конфіденційної інформації. |
| Методології управління проєктами | Мета викладання дисципліни: формування теоретичних знань щодо сучасних методологій управління проектами, надання практичних вмінь вибору ефективних інструментів та методології, відповідно до виду та специфіки проекту з метою досягнення цілей проекту. Отримання практичних навичок планування, моніторингу та контролю проектів відповідно запропонованих фреймворків. Під час вивчення дисципліни студенти в режимі реального часу здійснюватимуть управління проєктами з використанням різних сучасних методологій. |
| Блокчейн технології | Дисципліна "Блокчейн технології" розглядає концепції та технології, що лежать в основі блокчейну. Курс досліджує принципи роботи децентралізованих систем, криптографічні методи, поняття криптовалют |
AI-Powered Technology Leadership
Microcredential within MSc in Computer Science (20 ECTS)
| Мікрокредитація в рамках магістратури з комп'ютерних наук (20 ECTS) |
Анотації та орієнтовна тематика занять |
| 1) Leading High- Performance Engineering Teams (4 ECTS) |
Дисципліна формує у студентів розуміння принципів управління сучасними технічними командами в умовах динамічного IT-середовища. Основна мета курсу — сформувати у майбутніх фахівців здатність організовувати роботу команди, забезпечувати її продуктивність та досягнення результатів у межах технологічних проєктів. Курс поєднує класичні підходи менеджменту з практиками Agile, Scrum та сучасними моделями engineering management. Студенти вивчають ролі та відповідальність Team Lead, Engineering Manager, Product Manager та Project Manager у технологічних компаніях. Особлива увага приділяється побудові високоефективних команд, управлінню мотивацією, командною взаємодією та розвитком спеціалістів. У межах дисципліни аналізуються типові проблеми IT-команд: перевантаження, конфлікти, втрати продуктивності, неефективна комунікація. Курс створює фундамент для подальшого вивчення дисциплін, пов’язаних із продуктовим управлінням, переговорами та AI-інструментами для менеджерів. Отримані знання забезпечують базове управлінське мислення, необхідне для переходу від ролі виконавця до ролі лідера команди. Практична складова курсу базується на моделюванні реальних процесів управління IT-командами та роботі з кейсами технологічних компаній. Модуль 1. Основи engineering leadership - Еволюція ролі технічного лідера; - Типи команд в IT; - Team Lead vs Engineering Manager. Модуль 2. Agile-управління - Scrum, Kanban, Lean; - Планування спринтів; - Пріоритезація задач. Модуль 3. Управління продуктивністю команди - KPI та метрики; - Velocity, throughput, delivery metrics; - Performance review. Модуль 4. Мотивація та розвиток команди - 1:1 зустрічі; - Coaching & mentoring; - Формування культури команди. Практика - Симуляція роботи engineering-команди; - Розбір кейсів IT-компаній; - Проведення retrospective та planning session. |
| 2) Product Strategy & Digital Innovation (4 ECTS) |
Дисципліна спрямована на формування у студентів стратегічного бачення створення, розвитку та масштабування цифрових продуктів. Метою курсу є розвиток компетентностей у сфері product management, управління інноваціями та прийняття рішень щодо розвитку IT-продуктів. Курс логічно продовжує дисципліну з управління технічними командами, переводячи фокус із внутрішніх процесів на створення цінності для користувача та бізнесу. Студенти вивчають підходи до формування product vision, roadmap, MVP та продуктової стратегії. Значна увага приділяється роботі зі стейкхолдерами, клієнтами та аналізу ринку. У межах курсу розглядаються сучасні методики пріоритезації функціоналу, управління ризиками та оцінки ефективності продукту. Дисципліна інтегрує елементи digital innovation та формує у студентів навички стратегічного мислення у сфері технологій. Практична складова передбачає створення концепції цифрового продукту та управління його життєвим циклом. Курс створює основу для подальшого використання AI-інструментів у прийнятті управлінських рішень. Модуль 1. Основи product management - Product mindset; - Життєвий цикл продукту; - Product-market fit. Модуль 2. Стратегія цифрового продукту - Product vision; - Roadmap; - MVP та експерименти. Модуль 3. Робота зі стейкхолдерами - Stakeholder management; - Customer discovery; - User journey. Модуль 4. Інновації та масштабування - Digital innovation; - Product scaling; - Product metrics. Практика - Розробка roadmap; - Формування backlog; - Захист концепції продукту. |
| 3. AI for Decision- Making & Managerial Productivity (4 ECTS) |
Дисципліна присвячена практичному використанню інструментів штучного інтелекту в управлінській діяльності та процесах прийняття рішень. Основна мета курсу — сформувати у студентів здатність інтегрувати AI-рішення у щоденну роботу менеджера та використовувати їх для підвищення ефективності команди й бізнес-процесів. Курс поєднує технологічне розуміння AI із практичними сценаріями його використання у сфері управління продуктами, командами та комунікаціями. Студенти опановують принципи prompt engineering, AI-assisted decision-making та автоматизації управлінських задач. Значна увага приділяється використанню генеративного AI для аналітики, створення документації, комунікації та управління знаннями. Дисципліна логічно інтегрується з попередніми курсами, забезпечуючи сучасний інструментарій для роботи технічного лідера. У межах курсу також розглядаються етичні аспекти використання AI та ризики автоматизованого прийняття рішень. Практична частина передбачає створення власних AI-сценаріїв для менеджерської діяльності та оптимізації бізнес-процесів. Модуль 1. AI у роботі менеджера - Генеративний AI. - AI productivity tools; - AI-driven workflows; Модуль 2. Prompt engineering - Структура prompt; - Prompt patterns; - Автоматизація через AI. Модуль 3. AI для прийняття рішень - AI-аналітика; - AI для meeting management; - AI для knowledge management. Модуль 4. AI та бізнес-процеси - No-code / low-code automation; - AI в HR та маркетингу; - Етика використання AI. Практика - Побудова AI workflow; - AI-assisted reporting; - Автоматизація менеджерських задач. |
| 4) Negotiation, Influence & Organizational Communication (3 ECTS) |
Дисципліна спрямована на розвиток у студентів навичок ефективної комунікації, переговорів та управлінського впливу в професійному середовищі. Метою курсу є формування здатності вести переговори, вирішувати конфлікти та забезпечувати результативну взаємодію з командами, клієнтами й партнерами. Курс розглядає переговори як ключовий інструмент управління в технологічному бізнесі. Студенти вивчають техніки аргументації, впливу, ведення складних розмов та кризових комунікацій. Особлива увага приділяється комунікації технічних спеціалістів у мультидисциплінарних командах та взаємодії зі стейкхолдерами. Дисципліна інтегрує управлінські та психологічні аспекти професійної взаємодії й доповнює попередні курси з leadership та product management. Практична складова базується на рольових симуляціях,переговорах і моделюванні реальних ситуацій із діяльності IT-компаній. Отримані навички мають забезпечити студентам здатність ефективно комунікувати у процесах управління людьми та продуктами. Модуль 1. Основи переговорів - Типи переговорів; - BATNA; - Стратегії win-win. Модуль 2. Комунікація в командах - Feedback culture; - Difficult conversations; - Conflict resolution. Модуль 3. Вплив та persuasion - Leadership communication; - Negotiation psychology; - Stakeholder influence. Практика - Role-play переговорів; - Симуляції конфліктів; - Проведення performance conversation. |
| 5) Business Strategy & Economics for Tech Leaders (3 ECTS) |
Дисципліна формує у студентів системне розуміння бізнес-процесів та економічних механізмів функціонування технологічних компаній. Основною метою курсу є розвиток бізнес-мислення, необхідного для прийняття управлінських рішень у сфері IT та цифрових продуктів. Курс завершує мікрокваліфікаційну програму та інтегрує знання, отримані в межах попередніх дисциплін. Студенти вивчають принципи формування бізнес-моделей, фінансової ефективності продуктів та стратегічного розвитку компаній. Значна увага приділяється unit economics, основам P&L, оцінці бізнес-ризиків та стратегічному плануванню. Дисципліна дозволяє технічним спеціалістам зрозуміти логіку прийняття бізнес-рішень та зв’язок між технологіями, продуктом і фінансовим результатом компанії. Практична частина курсу передбачає аналіз бізнес-кейсів технологічних компаній та моделювання економіки цифрового продукту. Отримані компетентності забезпечують завершення формування профілю сучасного tech leader, здатного поєднувати технічне, управлінське та бізнес-мислення. Модуль 1. Бізнес-моделі в IT - SaaS, Marketplace, Subscription; - Value proposition; Unit economics. Модуль 2. Фінанси для tech leaders - Revenue & costs; - P&L basics; - ROI та CAC. Модуль 3. Стратегія та масштабування - Competitive strategy; - Growth strategy; - Digital transformation. Практика - Аналіз економіки продукту; - Бізнес-кейс технологічної компанії; - Захист стратегії розвитку продукту. |
Форма атестації здобувачів вищої освіти
Атестація здобувачів освітнього рівня магістр здійснюють у формі публічного захисту кваліфікаційної роботи.
У результаті її успішного проходження випускних отримує документ встановленого зразка про присудження йому ступеня магістра із присвоєнням кваліфікації: магістр з комп’ютерних наук.
Вимоги до кваліфікаційної роботи
Кваліфікаційна робота має передбачати розв’язання складної задачі дослідницького та/або інноваційного характеру у сфері комп’ютерних наук.
Кваліфікаційна робота не повинна містити академічного плагіату, фальсифікації, фабрикації. Кваліфікаційна робота має бути розміщена на сайті або у публічному репозиторії ПЗВО «ІТ СТЕП Університет».
Кваліфікаційна робота повинна відповідати іншим вимогам, встановленим законодавством та положеннями ПЗВО «ІТ СТЕП Університет».
Орієнтовні теми кваліфікаційних робіт магістрів:
-
Дослідження методів машинного навчання для вирішення задачі прогнозування ризикових ситуацій.
-
Автоматизація процесу розгортання та керування мікросервісною архітектурою у середовищі хмарних обчислень AWS.
-
Нейромережеве прогнозування об'ємів продажів товарів для мережі магазинів роздрібної торгівлі.
-
Побудова нейромережі для планування тренувань підготовки до марафону.
-
Побудова нейромережевої моделі для прогнозування вартості нерухомості.
-
Нейромережева модель класифікації ударів боксерів для контролю якості виконання програми тренування.
-
Нейромережеве прогнозування карантинних зон в умовах коронавірусу.
-
Алгоритми та програмні засоби автоматичного налаштування архітектури серверів на основі розміток.
-
Оптимізація пайплайнів даних Spark.
-
Дослідження архітектури кластерів на прикладі Apache hadoop.
-
Розробка пайплайнів для роботи з великими даними на основі відкритих даних.
-
Дослідження та порівняльний аналіз AWS, GCP та Microsoft Azure для машинного навчання.
-
Дослідження особливостей збору та агрегування потокових даних при вирішенні завдань інтелектуального аналізу даних.
-
Розробка та оптимізація алгоритмів трейдингу на фінансових ринках з використанням штучного інтелекту.
-
Створення рекомендаційних систем для індивідуального інвестування та портфельного управління в фінансовому секторі.
-
Аналіз інноваційних блокчейн-технологій та їх вплив на фінансову індустрію.
-
Розробка системи обробки та аналізу медичних зображень для автоматичного виявлення патологій на знімках рентгенівських та КТ-обстежень.
-
Створення алгоритмів машинного навчання для прогнозування ризику захворювання на основі клінічних даних.
-
Дослідження та розробка мобільних додатків для відслідковування та управління станом хворих з хронічними захворюваннями.
-
Аналіз даних клімату для передбачення змін клімату та впливу на навколишнє середовище.
-
Розробка системи прогнозування попиту на товари та послуги в електронній комерції на основі аналізу історичних даних.
-
Використання алгоритмів машинного навчання для виявлення шахрайства та аномальних транзакцій у фінансових даних.
-
Аналіз медичних даних для розробки системи діагностики хвороб та передбачення лікувальних рекомендацій.
-
Дослідження та моделювання соціальних мереж для аналізу впливу та поведінки користувачів.
Часті питання
Чи маєте ліцензією та акредитацією?
Ліцензія на провадження освітньої діяльності на другому (магістерському) рівні вищої освіти за спеціальністю 122 Комп’ютерні науки (наказ МОН України № 19-л від 22.02.2021).
Акредитація програми - Сертифікат НАЗЯВО №6512 14.12.2023
Які основні вимоги до вступників?
Наявність ступеня бакалавра, магістра або ОКР спеціаліста. Знання та навички програмування на будь-якій мові загального призначення. Знання лінійної алгебри, теорії ймовірності та статистики. Рекомендуємо поєднувати навчання з роботою у компанії за спеціальністю.
Які іспити потрібно здати для вступу?
Єдиний вступний іспит (ЄВІ) з іноземної мови (рекомендована мова – англійська) і Єдине фахове вступне випробуваня (ЄФВВ) з Інформаційних технологій.
Яка вартість навчання і умови оплати?
Вартість навчання для студентів 2025 р. набору – 75 тис. гривень за семестр. Терміни сплати – до початку кожного семестру. Оплата за навчання може здійснюватися за рахунок компанії.
Чи потрібно мати комп’ютер для навчання?
Так, вам потрібен власний ноутбук.
Скільки триває навчання?
2 академічних роки (4 семестри, з вересня 2025 по червень 2027 року)
Як відбувається навчання?
Студент має не більше 6 освітних компонент у семестрі. У першому семестрі два блоки освітніх компонент, що викладають та оцінюють послідовно: дисципліни загальної підготовки та дисципліни професійної підготовки. У другому семестрі подібна ситуація: вибіркові дисципліни і проектна робота, а у третьому – практика за темою кваліфікаційної роботи і кваліфікаційна робота.
Які дисципліни вивчають?
Соціально-комунікативні навички, Публічний виступ, Методи наукових досліджень, Спеціальні розділи математики, Спеціальні розділи програмування, Дослідження даних, Проектна робота, Вибіркові освітні компоненти за різними напрямами прикладних комп'ютерних наук, Практика за темою кваліфікаційної роботи, Підготовка та захист кваліфікаційної роботи.
Для яких компонент освітньої програми можуть бути визнані результати навчання, здобуті шляхом неформальної та/або інформальної освіти?
Для вибіркових освітніх компонентів за різними напрямами прикладних комп'ютерних наук, проектної роботи, а також практики за темою кваліфікаційної роботи.
Заняття відбуваються наживо?
Зазвичай заняття проходять онлайн. За потреби, кількість занять наживо може бути скоригована у більшу чи меншу сторону.
Коли у будні дні розпочинаються заняття?
Зазвичай заняття у робочі дні проводять з 17 по 20 годину.
Чи бувають заняття на вихідних?
У вихідні дні заняття можуть проходити за попереднім погодженням між викладачем та студентами.
Скільки занять на тиждень?
Не більше 6-8 занять впродовж тижня. Не більше 2 занять в один день.
Як надолужити матеріал, якщо пропустив лекцію?
У вас буде змога повторно переглянути запис лекцій проведених онлайн. Студенти мають доступ до всіх матеріалів курсу: слайди презентацій, завдання, додаткова література тощо.
Що й у якому об’ємі викладають англійською мовою?
Обов'язкову освітню компоненту «Публічний виступ» повністю проводять англійською мовою, а решту освітніх компонент – частково.
Чи можна поєднувати навчання з роботою?
Так. Ми рекомендуємо поєднувати навчання з працею у компанії за спеціальністю :-)
Перелік нормативних і довідкових документів
- Стандарт вищої освіти за спеціальністю 122 Комп’ютерні науки галузі знань 12 Інформаційні технології для другого (магістерського) рівня вищої освіти
- Стандарт вищої освіти за спеціальністю 122 Комп’ютерні науки галузі знань 12 Інформаційні технології для першого (бакалаврського) рівня вищої освіти
- Національна рамка кваліфікацій
- Закон України «Про освіту»
- Закон України «Про вищу освіту»
- Національний класифікатор України: Класифікатор професій ДК 003:2010
- Національний освітньо-науковий глосарій
Проєкти освітньо-професійних програм для другого (магістерського) рівня вищої освіти
Проєкт освітньо-професійної програми "Прикладні комп'ютерні науки"
Будемо вдячні, якщо надішлете відгуки, пропозиції та рекомендації щодо проєкту освітньо-професійної програми сюди. Просимо надсилати Ваші відгуки.
