Modelowanie Matematyczne
i Analiza Danych

Big Data i Data Science

Rozwój technologiczny, powszechność urządzeń mobilnych czy ostatnio coraz bardziej popularny IoT (Internet of Things) powoduje, że każdego dnia gromadzone są niewyobrażalne ilości danych (szacunki z roku 2015 mówiły o 2.5 mld TB danych dziennie, tj. ok. 10 mln dysków blu-ray).

W ostatnich latach powstał ogromny popyt na specjalistów, którzy z zebranych danych potrafią wyciągnąć wartościowe informacje. Od takich specjalistów wymaga się przede wszystkim umiejętności analitycznego myślenia, kreatywności w rozwiązywaniu niestandardowych problemów, dobrych podstaw matematycznych i biegłości w posługiwaniu się narzędziami informatycznymi.

Modelowanie matematyczne i analiza danych jest odpowiedzią na to zapotrzebowanie

STEM

Interdyscyplinarny charakter

Program kierunku łączy w sobie matematykę, informatykę oraz elementy fizyki. Zdobędziesz umiejętność konstruowania modeli matematycznych dla różnych problemów współczesnego świata, projektowania i wykonywania obliczeń numerycznych, korzystania z nowoczesnych technik przetwarzania danych i stosowania właściwych metod statystycznych do ich analizy.

Indywidualne podejście

Indywidualny program

Aż 45% przedmiotów jest indywidualnie wybieranych przez Ciebie. W zależności od tego, które z nich wybierzesz, ukończysz kierunek z jedną lub nawet dwiema z głównych specjalności: analiza danych, eksploracja danych w finansach i ubezpieczeniach, matematyka ekonomiczna, modelowanie zjawisk fizycznych. Możesz też zaprojektować własną ścieżkę.

Rozmowa o pracę

Perspektywy zatrudnienia

Program studiów konsultowaliśmy z przedstawicielami dużych pomorskich firm tak, by jak najlepiej odpowiadał potrzebom rynku pracy. Będziemy też z nimi stale współpracować, tak byś mógł się uczyć zawsze najnowszych technologii i zdobywał umiejętności potrzebne w Twojej przyszłej pracy, między innymi przez programy płatnych staży i praktyk.

Solidne podstawy matematyczne i informatyczne

Matematyka królową nauk

Matematyka jest uniwersalnym językiem współczesnej nauki. Zarówno nauki przyrodnicze, jak i nowocześnie rozumiane nauki społeczne posługują się matematycznymi formułami do wyrażania najrozmaitszych zależności.

  • Fizycy korzystają niekiedy z bardzo zaawansowanych teorii matematycznych, które pozwalają im wyjaśniać skomplikowane zjawiska i przewidywać z dużą skutecznością wyniki eksperymentów.
  • Dzięki badaniom matematyków rozwinięto podstawy programowania, co z kolei doprowadziło do konstrukcji komputerów, nowych języków programowania i coraz lepszych kompilatorów.
  • Ekonomiści posługują się zaawansowanymi metodami rachunku prawdopodobieństwa, by prognozować cykle koniunkturalne czy też giełdowe kursy akcji i instrumentów pochodnych.
  • Socjolodzy korzystają z narzędzi matematycznych do opisu sieci zależności społecznych i prognozowania kierunków ich rozwoju.
  • W obrębie filozofii niektóre koncepcje bazują na osiągnięciach logiki matematycznej.

O tym, że matematyka ma tak szerokie zastosowanie, decyduje fakt, że dostarcza ona wspaniałych narzędzi do tworzenia modeli zjawisk najróżnorodniejszej natury. Dysponując takim modelem i znając reguły jego matematycznej analizy, możemy – nie ruszając się znad kartki papieru lub komputera – śledzić proces rozchodzenia się prądów hydrologicznych, prognozować rozwój ekonomiczny po ewentualnym zmniejszeniu podatków, czy też np. oszacować zysk firmy ubezpieczeniowej po korekcie wysokości składek.

Z tych właśnie względów na Modelowaniu matematycznym i analizie danych matematyka jest podstawą programu studiów.

Studia rozpoczynasz łagodnie od poszerzonej matematyki licealnej na matematyce elementarnej. Równocześnie zaczynasz studiować dwa główne filary matematyki wyższej: analizy matematycznej i algebry liniowej. Z kolei na statystyce opisowej zdobędziesz swoje pierwsze szlify w opracowywaniu danych.

Ten zestaw uzupełnia wstępny kurs programowania. Poznajesz też podstawowe narzędzia pracy w środowisku informatycznym, a na programowaniu matematycznym dowiesz się jak komputery wspomagają pracę matematyka.

Drugi semestr upływa w dalszym ciągu na poznawaniu analizy i algebry. Uzupełnia je matematyka dyskretna, niezwykle interesujący przedmiot z pogranicza matematyki i informatyki.

Na programowaniu matematycznym dalej rozwijasz swoje umiejętności wykorzystywania komputera do rozwiązywania problemów matematycznych. Przechodzisz też bardzo ważny kurs algorytmów i struktur danych. Jest to fundament twojego informatycznego wykształcenia.

To jest też czas, kiedy możesz już realizować swoje indywidualne zainteresowania: wybierasz pierwszy przedmiot fakultatywny.

W trakcie trzeciego semestru uzupełniasz wiedzę z analizy matematycznej o zaawansowane zagadnienia związane z analizą wielowymiarową i teorią miary i całki. Na rachunku prawdopodobieństwa będziesz się uczyć jak opisywać i modelować zjawiska losowe.

W semetrze twój program studiów zaczyna się już istotnie indywidualizować: wybierasz na nim już dwa przedmioty fakultatywne. Wyznaczasz tym samym wstępnie swoją ścieżkę edukacyjną.

Połowa studiów już za Tobą. Co przynosi semestr czwarty? Dodatkowe umiejętności w analizie danych i opisie zjawisk losowych na wnioskowaniu statystycznym. Pogłębienie wiedzy na temat modelowania zjawisk zmieniających się w czasie na podstawach teorii procesów stochastycznych. Po kursie z baz danych z łatwością projektujesz i przeszukujesz bazy danych. Rozwijasz dalej swoje zainteresowania na kolejnych dwóch przedmiotach do wyboru, a także na praktyce zawodowej.

To ostatni rok studiów. Na semestrze piątym doskonalisz swój warsztat w analizie danych i prognozowaniu na drugiej części wnioskowania statystycznego i analizie szeregów czasowych. Liczba przedmiotów fakultatywnych wzrasta do trzech: jeszcze intensywniej specjalizujesz się w wybranej przez siebie ścieżce edukacyjnej.

Na tym semestrze wybierasz też seminarium licencjackie: w jego ramach zajmiesz się interesującymi Cię zagadnieniami, które następnie opiszesz w pracy dyplomowej.

Ostatni semestr to praktycznie tylko zajęcia wybrane przez ciebie, na których rozwijasz swoje zainteresowania. Jest to też czas na przygotowanie pracy licencjackiej i nauki do egzaminu licencjackiego. Zdajesz go z jak najlepszym wynikiem i zdobywasz tytuł licencjata z zaplanowaną przez siebie specjalnością. Nasze gratulacje!

Jeden kierunek, cztery specjalności

Wybierasz, czego chcesz się uczyć

Unikalną cechą naszego kierunku jest bardzo duża liczba przedmiotów fakultatywnych, które będziesz mógł wybierać w toku studiów z listy proponowanych przez nas:

  • Wstęp do analizy funkcjonalnej
  • Analiza instrumentów finansowych
  • Wybrane elementy biomatematyki
  • Wstęp do analizy funkcjonalnej

    Analiza funkcjonalna jest działem matematyki zajmującym się przestrzeniami funkcyjnymi. Łączy w sobie elementy algebry liniowej, analizy matematycznej i topologii. Jest językiem nowoczesnej matematyki i fizyki. Znajduje zastosowanie m. in. w teorii równań różniczkowych, teorii układów dynamicznych, rachunku prawdopodobieństwa i teorii procesów stochastycznych. Przestrzeń Hilberta, jedno z podstawowych pojęć analizy funkcjonalnej, jest podstawowym obiektem w modelach mechaniki kwantowej. Na wykładzie poznasz podstawowe pojęcia i twierdzenia. Będzie to zilustrowane wieloma przykładami.

  • Analiza instrumentów finansowych

    Na współczesnych rynkach finansowych mamy dużą liczbę różnorodnych instrumentów finansowych. Począwszy od takich, jak akcje, obligacje czy kontrakty forward, kontrakty futures, po bardziej złożone takie, jak opcje. Wybierając ten fakultet dowiesz się, czym się one charakteryzują i jakie są między nimi różnice. Poznasz podstawowe modele wyceny i przetestujesz ich działanie na rzeczywistych danych z rynku.

  • Wybrane elementy biomatematyki

    Biomatematyka zajmuje się zastosowaniem metod matematycznych do badania różnych zagadnień w biologii i medycynie. Nauczysz się opisywać złożone zjawiska biologiczne przy pomocy modeli matematycznych oraz tłumaczyć te zjawiska i relacje między nimi na zależności matematyczne. Analizy tych modeli dokonuje się zarówno przy użyciu matematycznych metod teoretycznych, jak i przez symulacje komputerowe. Dzięki temu można znacznie ograniczyć ilość kosztownych eksperymentów, a także wspomagać przetwarzanie i interpretowanie danych doświadczalnych i pomiarowych np. z aparatury medycznej.

  • Matematyczne modele w ekonomii
  • Ekonometria
  • Elementy DevOps
  • Matematyczne modele w ekonomii

    Przedmiot jest pewnego rodzaju pomostem pomiędzy przedmiotami matematycznymi a zagadnieniami ekonomicznymi. Podczas zajęć wykorzystasz wiedzę matematyczną do opisu niektórych zjawisk ekonomicznych, jak i do uzyskania rozwiązań pewnych problemów ekonomicznych. Dowiesz się, jak opisać zachowania konsumenta czy procesy produkcji przy użyciu języka matematycznego. Dzięki zdobytej wiedzy będziesz umiał zminimalizować wydatki konsumenta lub zwiększać zyski przedsiębiorstwa.

  • Ekonometria

    Przedmiot zajmuje się tematyką tworzenia modeli ekonometrycznych i metod weryfikacji ich poprawności. Modele te za pomocą narzędzi statystycznych i matematycznych opisują zagadnienia z dziedziny ekonomii. Poznasz szczegółowo przede wszystkim klasyczny model regresji liniowej i metodę najmniejszych kwadratów, za pomocą której będziesz mógł wyznaczać oceny parametrów tego modelu, a także nauczysz się interpretować jego parametry, testować hipotezy, przeprowadzać diagnostykę modelu i radzić sobie z konsekwencjami braku spełnienia standardowych założeń. Na zajęciach laboratoryjnych będziesz mógł przećwiczyć te umiejętności na rozbudowanych przykładach empirycznych opartych na realnych bazach danych.

  • Analiza danych w ubezpieczeniach majątkowych
  • High performance computing
  • Makroekonomia
  • Analiza danych w ubezpieczeniach majątkowych

    Analiza i prognoza liczby wypadków, liczby pożarów czy wielkości strat poniesionych w wyniku tych zdarzeń jest dużym wyzwaniem. Od wiarygodności wykorzystanych modeli zależy trafność wielkości ustalonych składek, a w konsekwencji też wypłacalność firm ubezpieczeniowych. Poznasz wybrane modele probabilistyczne wykorzystywane do opisu powyższych zagadnień oraz ocenisz ich jakość w analizach na rzeczywistych zbiorach danych w pakiecie R.

  • Makroekonomia

    Na wykładzie poznasz podstawowe pojęcia i narzędzia analizy ekonomicznej dotyczącej między innymi takich zagadnień, jak dochód narodowy, rynek pracy, polityka budżetowa i polityka pieniężna, inflacja. Nauczysz się wykorzystywać zaprezentowane modele do interpretacji zjawisk makroekonomicznych oraz wybierać odpowiednie narzędzia do szacowania aktywności gospodarczej lub porównania różnych systemów gospodarczych.

  • Wstęp do matematyki finansowej
  • Mikroekonomia
  • Mechanika klasyczna z elementami kwantowej
  • Wstęp do matematyki finansowej

    Matematyka finansowa to dynamicznie rozwijająca się dziedzina matematyki, dostarczająca wiele modeli do opisu różnorodnych zjawisk ekonomicznych. Poznasz różnego rodzaju stopy procentowe, dzięki którym będziesz umiał analizować dane ubezpieczeniowe czy dane z rynku finansowego. Wykorzystasz to do modelowania wartości w czasie strumieni finansowych takich, jak kredyty czy renty. Poznasz też matematyczne podstawy analizy obligacji. Wszystko będzie zilustrowane ciekawymi przykładami.

  • Mikroekonomia

    Na wykładzie poznasz podstawowe prawa i kategorie ekonomiczne związane z funkcjonowaniem gospodarki oraz metody i narzędzia pozwalające opisywać i tłumaczyć istotę mechanizmu rynkowego. Nauczysz się oceniać sytuację przedsiębiorstwa z punktu widzenia przyjętych kryteriów ekonomicznych oraz zaplanować sposób rozwiązania problemu ekonomicznego i sporządzić prawidłowy zapis tego rozwiązania z podaniem precyzyjnego uzasadnienia swoich rozumowań.

  • Mechanika klasyczna z elementami kwantowej

    Mechanika może być rozważana jako dział matematyki zajmujący się specyficznymi równaniami różniczkowymi opisującymi zasady dynamiki. Na wykładzie skupimy się na matematycznych aspektach zasad dynamiki. W szczególności, na gruncie formalizmu Lagrange’a wprowadzimy opis zasad ruchu jako rozwiązanie pewnego problemu wariacyjnego. Następnie zajmiemy się problemem kwantyzacji i wprowadzimy podstawowe pojęcia mechaniki kwantowej. Zilustrujemy to opisem konkretnych modeli.

  • Metody analizy decyzji
  • Analiza danych w ubezpieczeniach na życie
  • Modelowanie zjawisk hydrologicznych
  • Metody analizy decyzji

    Analiza decyzji jest to proces polegający między innymi na prawidłowym wymodelowaniu problemu, skutecznym radzeniu sobie w warunkach niepewności, zaangażowaniu wszystkich niezbędnych czynników/osób i posługiwaniu się jasnymi metodami komunikacji. Na wykładzie zdobędziesz wiadomości dotyczące podstaw podejmowania decyzji, opisu sytuacji decyzyjnej oraz faz procesu decyzyjnego, jak również ryzyka i jego oceny. Poznasz podstawowe i najpopularniejsze modele procesu decyzyjnego i nauczysz się je stosować w sytuacjach praktycznych, wykorzystując elementy teorii gier, teorii sterowania czy badań operacyjnych.

  • Analiza danych w ubezpieczeniach na życie

    Prognoza długości życia populacji jest jednym z ważnych współczesnych wyzwań chociażby dlatego, że od jej wyników zależy trafność wysokości naliczanych składek emerytalnych. Poznasz podstawowe modele probabilistyczne pozwalające wyznaczać składki w ubezpieczeniach na życie, w tym też w ubezpieczeniach emerytalnych. Zapoznasz się z konstrukcją tablic życia, na podstawie których, korzystając z pakietu R, wykonasz analizy długości życia i wysokości składek dla populacji w Twoim wieku.

  • Numeryczne modelowanie układów dynamicznych
  • Pracownia analizy danych
  • Analiza danych pomiarowych
  • Numeryczne modelowanie układów dynamicznych

    Układ dynamiczny można rozumieć jako model matematyczny jednoznacznie determinowany przez stan początkowy i opisany pewnym równaniem. Układy możemy podzielić na dyskretne, czyli wyznaczane przez iterowanie odwzorowań oraz ciągłe, definiowane równaniami różniczkowymi. Jedne i drugie obrazują ewoluujące zjawiska, najczęściej dziedzinę procesu utożsamiając z czasem. Ze względu na rozległość teorii układów dynamicznych (rozciągającej się od analizy przyrostów populacji, poprzez generowanie fraktali, do przybliżania rozwinięcia dziesiętnego liczby π), na wykładzie skupimy się na omawianiu przykładów, sięgając do bardzo zróżnicowanych dziedzin. Ponadto zajmiemy się numerycznym ilustrowaniem układów podczas zajęć laboratoryjnych.

  • Pracownia analizy danych

    Celem przedmiotu jest przedstawienie podstawowych metod eksploracji danych, czyli analizy zbiorów danych w celu znalezienia związków pomiędzy nimi. Nauczysz się, jak przygotować dane do analizy oraz jaką metodę analizy wybrać, w zależności od rodzaju danych oraz postawionego problemu, aby uzyskać najlepsze wyniki.

  • Analiza danych pomiarowych

    Wykład obejmuje zagadnienia związane z planowaniem eksperymentu oraz analizą i interpretacją jego wyników. Zapoznasz się z podstawami analizy błędu pomiarowego w naukach doświadczalnych. Nauczysz się podstawowych metod określania niepewności pomiarowych z uwzględnieniem niepewności przypadkowych (statystycznych) i systematycznych.

  • Programowanie funkcyjne
  • Programowanie obiektowe
  • Wybrane zastosowania równań różniczkowych
  • Programowanie funkcyjne

    Języki programowania można podzielić na języki imperatywne i deklaratywne. Podstawą języków imperatywnych, np. C++ czy Java, jest manipulacja stanów. Natomiast języki deklaratywne, w tym funkcyjne, polegają wyłącznie na ewaluacji wyrażeń: programista opisuje, jaki ma być efekt programu, a nie poszczególne kroki jego działania. Wykład wprowadza do programowania funkcyjnego na podstawie języka Haskell. Oprócz podstaw takich, jak pattern matching czy funkcji wyższego poziomu, poznasz też inferencję typów, polimorfizm oraz klasy typów.

  • Programowanie obiektowe

    Na wykładzie poznasz jeden z najpowszechniejszych języków programowania obiektowego. Java jest wszędzie - od laptopów po centra danych, od konsol do gier po superkomputery naukowe, od telefonów komórkowych po internet. Naukę rozpoczniemy od podstawowych pojęć takich, jak klasy i obiekty. Następnie omówimy kluczowe koncepcje programowania obiektowego: hermetyzację, dziedziczenie i polimorfizm. Poznamy również możliwości kontenerów Javy. Wykład będzie miał charakter podstawowy, a główny nacisk położony będzie na przykłady i praktykę.

  • Wybrane zastosowania równań różniczkowych

    Wiele zjawisk fizycznych, biologicznych czy też ekonomicznych modeluje się przy użyciu różnych zagadnień dla równań różniczkowych. Wstępny zarys teorii równań różniczkowych jest przedstawiony w ramach Analizy matematycznej III. Na tym wykładzie uzyskasz pogłębioną wiedzę z równań różniczkowych zwyczajnych rozszerzoną o klasyczne modelowe równania różniczkowe cząstkowe. Poznasz też interpretacje i zastosowania rozważanych równań.

  • Wprowadzenie do sieci neuronowych
  • Teoria wyboru społecznego
  • Modelowanie zdarzeń ekstremalnych
  • Wprowadzenie do sieci neuronowych

    Sieci neuronowe to popularna technika obliczeniowa, obecnie szczególnie intensywnie wykorzystywana w uczeniu maszynowym przy eksploracji danych. Zasady organizacyjne sieci neuronowych odwołują się do ludzkiego mózgu i tu też dalej poszukuje się inspiracji do dalszego rozwoju tej techniki. Zapoznasz się z podstawowymi zasadami działania sieci neuronowych a także praktyką prowadzenia w nich obliczeń.

  • Modelowanie zdarzeń ekstremalnych

    Zdarzeniem ekstremalnym może być pożar, powódź, wypadek samochodowy, ale też w łagodniejszym rozumieniu brak rowerów w wypożyczalni lub towarów w magazynie czy wydłużający się czas obsługi klientów. Dowiesz się, jak modelować częstość występowania takich zdarzeń. Poznasz wybrane miary ryzyka oraz metody ich estymacji. Przeprowadzisz analizy na rzeczywistych danych w wybranym pakiecie statystycznym.

  • Inteligencja obliczeniowa
  • Wstęp do uogólnionych modeli liniowych
  • Wizualizacja danych
  • Wstęp do uogólnionych modeli liniowych

    Na wielkość czy intensywność występowania wielu zdarzeń mają wpływ różnorodne czynniki. Przykładowo, wielkości strat w wypadkach komunikacyjnych mogą zależeć od warunków atmosferycznych, ale też od wieku, płci prowadzącego czy od marki samochodu. Podobnych zależności można poszukiwać modelując portfele finansowe lub zagadnienia z medycy, biologii, chemii czy fizyki. Takie zależności często modeluje się za pomocą regresji liniowej, która jest podstawą do rozszerzonych modeli. Część z nich poznasz na tym przedmiocie, poszukasz zależności i przeprowadzisz analizy na rzeczywistych danych w wybranym pakiecie statystycznym. Modele liniowe i uogólnione modele liniowe są podstawą uczenia maszynowego oraz sieci neuronowych.

  • Inteligencja obliczeniowa

    Celem przedmiotu jest przedstawienie możliwości i technik inteligencji obliczeniowej. Zdobędziesz wiedzę ogólną w zakresie sztucznej inteligencji i aktualne kierunki jej rozwoju. Poznasz wybrane algorytmy: genetyczne i ewolucyjne, podstawy teorii zbiorów rozmytych, redukcję zbiorów danych. Nauczysz się tworzyć, uruchamiać i testować programy przy wykorzystaniu dedykowanych narzędzi i wzorców projektowych.

  • Wizualizacja danych

    W analizie danych bardzo ważną rolę odgrywa prezentacja wyników. Tabelki i raporty bez odpowiednich wykresów nie dają nam możliwości szybkiego zrozumienia analizowanych danych. Profesjonalna graficzna prezentacja danych ma ogromny wpływ na ich zrozumienie, a w konsekwencji na podejmowanie szybkich i trafnych decyzji. Celem przedmiotu jest zapoznanie słuchaczy z nowoczesnymi metodami wizualizacji danych i wyników analiz statystycznych z wykorzystaniem najnowszych technik graficznej prezentacji danych.

lub też innych, realizowanych na naszym Wydziale. W zależności od tego, które przedmioty wybierzesz, zakończysz studia z jedną ze specjalności głównych Możesz też wybrać zupełnie inny zestaw przedmiotów fakultatywnych kończąc ze specjalnością ogólną i kontynuować dalej studia na studiach II stopnia (w przygotowaniu).

Specjalności główne

Dane mogą być bardzo różnorodne: dane z pomiarów fizycznych, dane finansowe, zdjęcia satelitarne, obrazy MRI, zależności w mediach społecznościowych, itd. Ta ścieżka przygotowuje Cię do zostania data scientist, czyli osobą wszechstronnie przygotowaną do pracy z danymi, jakiejkolwiek postaci by one nie były. Będziesz się uczył w praktyce ogólnych metod analizy danych. Uzupełnimy to o narzędzia potrzebne do praktycznego zbierania, przechowywania i przetwarzania danych. Niemniej ważne będzie też zdobycie umiejętności przejrzystego prezentowania otrzymanych wyników.

Po tej specjalności najprawdopodobniej będziesz kontynuował swoją edukację na studiach II stopni. Będziesz już też mógł rozpocząć pracę w firmach zajmujących się analizą danych.

Analiza dużych zbiorów danych stawia wiele wyzwań. Czasem jednak danych brakuje, a trzeba wyciągnąć z nich jak najwięcej informacji. Na tej ścieżce będziesz się uczył jednego i drugiego. Poznasz najnowsze metody i narzędzia wykorzystywane do eksploracji i analizy danych finansowych i ubezpieczeniowych. Dowiesz się między innymi jak modelować długość życia populacji, prognozować zdarzenia ekstremalne na przykładzie danych giełdowych i ubezpieczeniowych. Będziesz testował znane modele, ale również tworzył swoje własne. Wszystko to będzie wzbogacone warsztatami z udziałem pracodawców.

Nabyta wiedza sprawi, że będziesz wartościowym specjalistą dla wielu firm finansowych i ubezpieczeniowych ale również dla firm zajmujących się analizą danych.

Matematyka ekonomiczna to połączenie ekonomii, matematyki stosowanej i informatyki. Jest to młoda, interdyscyplinarna dziedzina wiedzy, zrodzona ze współczesnych potrzeb świata biznesu. Solidne postawy matematyczne na tej ścieżce wzbogadzisz o dodatkową wiedzę z zakresu nauk ekonomicznych. Dzięki temu będziesz potrafił zbierać i przetwarzać dane rynkowe, wykonować statystyczne analizy biznesowe, wnioskować i prognozować oraz budować i testować nowe strategie.

Będziesz przygotowany do pracy w działach analitycznych i decyzyjnych większości korporacji, w instytucjach finansowych, bankach, instytucjach rządowych, firmach konsultingowych, urzędach statystycznych i innych podobnych.

Program tej ścieżki obejmuje przedmioty, które umożliwią zapoznanie się z teoretycznymi i praktycznymi aspektami tworzenia modeli zjawisk przyrodniczych. Część teoretyczną stanowią zaawansowane techniki matematyczne takie jak analiza funkcjonalna i równania różniczkowe, oraz kursy dotyczące podstaw fizyki i innych nauk przyrodniczych. Część praktyczna obejmuje dużą liczbę laboratoriów komputerowych oraz zajęcia, na których wyjaśni się, jak w praktyce stosować poznane wcześniej konstrukcje matematyczne do budowy modeli konkretnych zjawisk.

Przygotowuje do pracy w działach R&D, choć prawdopodobnie będziesz kontynuować naukę na studiach II stopnia.

Nasi partnerzy

Kierunek, łącząc w sobie matematykę, statystkę i programowanie, pozwala zdobyć praktykę z zakresu operowania na dużych zbiorach informacji – big data. Modelowanie matematyczne i analiza danych to najlepsza droga, by zostać Data Scientist. A Data Scientist to jeden z najbardziej oczekiwanych zawodów IT, który już niebawem zrewolucjonizuje wiele gałęzi przemysłu.
Aplitt S.A.