Магістерська програма "Комп'ютерні науки"

Код

Компоненти освітньої програми (навчальні дисципліни, практика, кваліфікаційна робота) 

Форма підсумкового контролю

Кількість кредитів

Навчальні дисципліни загальної підготовки

ОК1

Соціально-комунікативні навички

залік

6

ОК2

Публічний виступ

залік

4

ОК3

Методи наукових досліджень

залік

5

Всього за групою:

15

Навчальні дисципліни професійної підготовки

ОК4

Спеціальні розділи математики

екзамен

5

ОК5

Спеціальні розділи програмування

залік

5

ОК6

Дослідження даних

залік

5

Всього за групою:

15

Виконання проектів і практична підготовка

ОК7

Проектна робота

захист

6

ОК8

Практика за темою кваліфікаційної роботи

залік

10

Всього за групою:

16

Атестація

ОК9

Підготовка та захист кваліфікаційної роботи

публічний захист

20

Всього за групою:

20

Загальний обсяг обов’язкових компонент:

66

Загальний обсяг вибіркових компонент за напрямами:

24

ЗАГАЛЬНИЙ ОБСЯГ ОСВІТНЬОЇ ПРОГРАМИ

90

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 формалізації предметної області певного проекту 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 проектних 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 проектування, 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 проектування 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.

Проектна робота

Командна проектна 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 проектні 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 та 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 проектом 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.

Ця дисципліна зосереджена на вивченні технології комп’ютерного зору, яка включає в себе аналіз та обробку зображень з використанням комп’ютерних методів. Студенти отримають розуміння ключових технічних характеристик, поняття задач комп’ютерного зору та їх важливість у різних доменах. Курс розпочинається з огляду базових понять, таких як представлення зображень, класифікація та математичні моделі шумів зображень. Вивчається загальна постановка задачі розпізнавання образів для виявлення неформалізованих елементів, а також використання глибоких нейронних мереж для цієї мети.

Спеціальний акцент приділяється математичним моделям згорткового та агрегуючого шару, навчанню згорткових нейронних мереж та методам запобігання перенавчання. Оптимізація структури та параметрів мережі розглядається з практичної точки зору.

Курс також аналізує побудову навчальної вибірки для глибоких нейронних мереж, включаючи моделі множини даних та критерії формування. Розглядаються методи генерації навчальної множини та вирішення проблем формування. Студенти будуть знайомитися з класифікацією глибоких архітектур згорткових нейронних мереж та їх застосуванням у реальних завданнях.

Також буде розглянуто гібридні згорткові нейронні мережі, включаючи двоетапну процедуру визначення їх структури та параметрів.

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

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.

Дисципліна "Математичні основи захисту інформації" розглядає математичні принципи та техніки, які лежать в основі забезпечення безпеки інформації у сфері інформаційних технологій. Курс досліджує концепції криптографії, методи шифрування та підпису, асиметричні та симетричні алгоритми, а також важливі практичні аспекти захисту даних.

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.