Universitetas
Bendruomenė
Stojantiesiems
Studijos
Mokslas ir inovacijos
Verslui
Fakultetai
Grįžti

Dirbtinio intelekto inžinerija

Lietuvių arba anglų kalba Hibridinė studijų programa
Nuolatinės studijos
Nuolatinės studijos
  • Padalinys
    Fundamentinių mokslų fakultetas
  • Programos kodas
    6211BX023
  • Studijų kryptis
    Informatika
  • Kvalifikacinis laipsnis
    Informatikos mokslų magistras
  • Trukmė
    2

Šios programos lietuvių kalba dėstomoje grupėje planuojamos hibridinės (sinchroninės) magistrantūros studijos – užsiėmimai vykdomi kontaktiniu būdu tuo pačiu metu vykdant užsiėmimo transliaciją virtualaus bendravimo priemonėmis, o egzaminai laikomi VILNIUS TECH patalpose.

Apie

Dirbtinis intelektas yra sparčiai besivystanti sritis, turinti vis didesnę įtaką ekonomikai ir visuomenei. Specialistai, gebantys kurti pažangius dirbtinio intelekto sprendimus ne tik yra graibstomi darbo rinkoje, bet ir prisideda prie bendro teigiamo poveikio visuomenei bei pasaulio ekonomikai. Nors šiuo metu pasaulyje dirbtinio intelekto srityje pirmauja Jungtinės Amerikos Valstijos, Europos strategija nukreipta į proveržį dirbtinio intelekto srityje. Todėl planuojama, kad Europoje, o kartu ir Lietuvoje dirbtinio intelekto ekspertų poreikis laiko bėgyje tik dar labiau augs.

Dirbtinio intelekto inžinerija studijų programa orientuota ruošti naujos kartos dirbtinio intelekto specialistus. Studijų metu bus ne tik gilinamasi į kertinius dirbtinio intelekto srities principus, naudojamus metodus ir technologijas, bet skiriamas dėmesys naujausių technologijų perpratimui, pritaikymui skirtingose srityse. Taikomasis aspektas bus užtikrinamas įsisavinant esamas ir naujai atsirandančias dirbtinio intelekto technologijas, skirtas skirtingo tipo duomenų (skaičių, teksto, vaizdo, garso) apdorojimui ir generavimui, gilinantis į atitinkamiems dirbtinio intelekto sprendimams naudojamos infrastruktūros (paskirstytų sistemų, didžiųjų duomenų, daiktų interneto) niuansus, atsižvelgiant į dirbtinio intelekto sprendimų etinius, teisinius ir galutinių vartotojų priimtinumo reikalavimus.

Šios magistro studijų programos tikslas – paruošti aukštos kvalifikacijos, analitiniu mąstymu pasižyminčius ir gebančius konkuruoti sparčiai besikeičiančioje aplinkoje informatikos specialistus, turinčius gilų dirbtinio intelekto srities suvokimą, išmanančius dirbtinio intelekto sprendimų kūrimo technologijas, gebančius jas taikyti dirbtinio intelekto ir/ar automatizavimo sprendimų kūrimui ir pritaikymui skirtingose srityse, vertinti jų kokybę bei išsamių tyrimų pagrindu tobulinti jų veikimą.

Programos rezultatų pasiekimui, studentai studijų metu bus įtraukiami į įvairių organizacijų siūlomus iššūkius, vykdomus mokslinius tyrimus. Paskaitos vyks ciklais, vienu metu koncentruojantis į vieną ar du studijų dalykus, juos įsisavinant per 1-2 mėnesius ir tada pereinant prie kito programoje numatyto studijų dalyko. Paskaitas ves ne tik mokslininkai ir įmonių atstovai iš Lietuvos, bet ir ekspertai iš kitų šalių. Tai leis užtikrinti įvairesnes studijų patirtis, tarptautinį srities išmanymą.

Baigiamųjų darbų tematika (problematika):

  • naujų dirbtinio intelekto sprendimų kūrimas;
  • inovatyvių dirbtinio intelekto metodų, modelių ir/ar technologijų tyrimai;
  • dirbtinio intelekto sprendimų infrastruktūros modernizavimas.
  • Ką gebėsiu?

    • Suvokti skirtingų dirbtinio intelekto sprendimų veikimo principus ir tobulinimo galimybes;
    • Kurti naujus dirbtinio intelekto sprendimus, paremtus naujausiomis srities technologijomis ir tyrimų rezultatais;
    • Vykdyti su dirbtinio intelekto taikymu susijusius tyrimus, naujų žinių gavimui ar tinkamiausių sprendimų pagrįstam pasirinkimui;
    • Pritaikyti dirbtinio intelekto sprendimus pilnam jų veikimui, parenkant tam būtiną infrastruktūrą ir užtikrinant suderinamumą su etiniais, teisiniais ir prieinamumo vartotojams reikalavimais;
    • Vadovauti dirbtinio intelekto sprendimus kuriančioms komandoms, užtikrinant tokio tipo projektams būdingų žingsnių įvykdymą ir komunikaciją tarp grupės narių.

  • Kokios būtų mano karjeros galimybės?

    • Dirbti dirbtinio intelekto sistemų architektu, inžinieriumi, duomenų mokslininku, dirbtinio intelekto sprendimų kūrėju;
    • Vykdyti su dirbtinio intelekto taikymu susijusius tyrimus įvairiose srityse veikiančiose įmonėse bei mokslinių tyrimų ir inovacijų centruose;
    • Dirbti dirbtinio intelekto infrastruktūros inžinieriais, dirbtinio intelekto sprendimų diegimo ir plėtimo ekspertais.

Konkursinis balas

Į magistrantūros studijas priimama be stojamųjų egzaminų, pagal konkursinį balą. Stojantieji turi atitikti programos pasirengimo reikalavimus. Stojantysis pasinaudojęs galimybių aprašu gali sužinoti studijų programas, kurių pasirengimo reikalavimus tenkina.

Pasirengimo reikalavimai stojantiesiems į dirbtinio intelekto inžinerijos studijų programą:

1) Priimami šių studijų krypčių bakalaurai:

  • elektronikos,
  • elektros inžinerijos,
  • fizikos,
  • informatikos,
  • matematikos.

2) Privalomieji bakalauro programos dalykai ir minimalios jų apimtys:

studijų pagrindų dalykai:

  • duomenų bazės valdymas (9 kr.),
  • informacinės technologijos (12 kr.),
  • matematika (15 kr.).

specialūs programos dalykai (18 kr.):

  • dirbtinis intelektas ir ekspertinės sistemos,
  • duomenų bazės,
  • kompiuterių architektūra ir tinklai,
  • operacinės sistemos,
  • programavimas.

Studijų dalykai

1 - 2 Semestrai

1 Semestras

Privalomi
  • FMITM24103 9 kreditai

    Dirbtinio intelekto sistemų inžinerija

    Studijų dalyko tikslas

    Šiuo kursu siekiama suteikti dalyviams išsamių žinių ir praktinių įgūdžių valdant dirbtinio intelekto (DI) projektus.

    Studijų dalyko aprašas

    Kursas apima visą dirbtinio intelekto (DI) projekto gyvavimo ciklą, nuo tikslų apibrėžimo ir apimties iki diegimo ir integravimo, dalyviai gilinsis į projektų valdymo metodikas, etiką ir teisines DI kūrimo aplinkybes. Kursas apima praktinius šališkumo atpažinimo ir mažinimo, privatumo problemų sprendimo ir kibernetinio saugumo principų įgyvendinimo pratimus. Dalyviai įgis įžvalgų apie priešiškas atakas ir gynybą, privatumą išsaugančius AI metodus ir dokumentavimo strategijas. Kursas baigiamas daugiausia dėmesio skiriant projekto uždarymui, sėkmės matavimo, kokybės užtikrinimo ir naujų IT bei AI projektų valdymo tendencijų tyrinėjimui.

  • FMITM24102 9 kreditai

    Neuroniniai tinklai (su kursiniu projektu)

    Studijų dalyko tikslas

    Šiuo kursu siekiama suteikti visapusišką neuroninių tinklų supratimą ir praktinius įgūdžius nuo jų istorinės raidos iki pažangių architektūrų ir taikomųjų programų.

    Studijų dalyko aprašas

    Dalyviai tyrinės perceptronus, daugiasluoksnius perceptronus (MLP) ir atgalinio sklidimo algoritmus, įgydami praktinės neuroninių tinklų kūrimo patirties. Kursas apima gilaus mokymosi architektūras, įskaitant konvoliucinius neuroninius tinklus (CNN) ir pasikartojančius neuroninius tinklus (RNN), daugiausia dėmesio skiriant architektūrinei analizei ir pritaikymui prie projekto poreikių. Bus tiriami optimizavimo būdai, architektūriniai patobulinimai ir interpretavimo metodai, o dalyviai sužinos apie mokymąsi be priežiūros, savarankišką mokymąsi ir mokymosi koncepcijų perkėlimą. Kursas baigiamas neuroninių tinklų taikymu ir ateities tendencijomis šioje dinamiškoje srityje.

  • FMISM24101 6 kreditai

    Dirbtinio intelekto pagrindai

    Studijų dalyko tikslas

    Šio kurso tikslas – suteikti visapusišką supratimą apie dirbtinį intelektą (DI) ir jo panaudojimo galimybes bei ribojimus.

    Studijų dalyko aprašas

    Kursas apima tokias temas kaip dirbtinio intelekto (DI) apibrėžimas, istorinė raida ir jo svarbus vaidmuo kompiuterių mokslo tyrimuose. Dalyviai gilinsis į pagrindines DI sąvokas ir terminiją, įgis praktinių duomenų tvarkymo, valymo ir funkcijų inžinerijos įgūdžių. Kurso metu bus nagrinėjami įvairūs prižiūrimi ir neprižiūrimi mokymosi metodai, įskaitant tiesinę regresiją, logistinę regresiją, sprendimų medžius, ansamblio metodus, klasterizavimo metodus ir matmenų mažinimą. Bus akcentuojamas praktinis įrankių ir bibliotekų pritaikymas tiek prižiūrimam, tiek neprižiūrimam mokymuisi, leidžiant dalyviams kurti, testuoti ir analizuoti modelius. Be to, kursas apims duomenų vizualizavimo metodus ir tyrinės DI tyrimų tendencijas bei naujoves, suteikiant dalyviams tvirtą DI koncepcijų pagrindą ir praktinius įgūdžius, skirtus naudoti realiame pasaulyje.

  • FMITM24100 3 kreditai

    Magistro tiriamasis darbas 1

    Studijų dalyko tikslas

    Atlikus magistro baigiamojo darbo tema literatūros paiešką ir analizę, parengti ar atnaujinti darbo užduoties projektą.

    Studijų dalyko aprašas

    Magistro tiriamojo darbo 1 dalyke pasirenkama tyrimų kryptis, tobulinami informacinių technologijų taikymo, literatūros ir duomenų vertinimo bei jų analizės, darbų planavimo gebėjimai, kruopštumas rengiant grafinę ir tekstinę dokumentaciją, o atlikus mokslinės-techninės informacijos pasirinkta tema paiešką ir išanalizavus ją, parengiama ar patikslinama individuali ar grupinė baigiamojo darbo probleminė užduotis.

  • FMISM17100 3 kreditai

    Mokslinių tyrimų ir inovacijų pagrindai

    Studijų dalyko tikslas

    Suteikti žinias apie mokslinių tyrimų metodų ir inovatyvių sprendimų taikymą informatikos ir informatikos inžinerijos kryptyje, ugdyti praktinius gebėjimus rengti mokslines technines ataskaitas, magistrų tezes.

    Studijų dalyko aprašas

    Modulyje nagrinėjamos mokslinių ir inžinerinių tyrimų metodologijos, plačiai apžvelgiami informatikos ir informatikos inžinerijos studijų kryptyje naudojami svarbiausieji tyrimo metodai, bei suteikiamos bazinės žinios apie galimas inovacijas šioje kryptyje. Analizuojami bibliotekinio tyrimo ir kiti informacijos rinkimo bei duomenų analizės metodai, mokoma logiškai ir argumentuotai pristatyti savo idėjas, bei aiškiai ir nuosekliai pateikti sudėtingą medžiagą. Modulyje taip pat yra mokoma, kaip rašyti mokslines, technines ataskaitas ir kitus techninio pobūdžio dokumentus, rengti paraiškas moksliniams projektams, pristatoma magistro darbe vykdomų mokslinių tyrimų planavimo ir vykdymo eiga.

2 Semestras

Privalomi
  • FMITM24214 9 kreditai

    Stiprinamasis mokymas (su kursiniu projektu)

    Studijų dalyko tikslas

    Šiuo kursu siekiama suteikti dalyviams visapusišką supratimą apie mokymosi stiprinimą (RL) ir jo diegimo technologijas, taikymo sritis.

    Studijų dalyko aprašas

    Kursas prasideda nuo pagrindinių sąvokų, tokių kaip Markovo sprendimų procesas (MDP), dalyviai progresuos taikydami dinaminio programavimo metodus, tokius kaip vertės iteracija, Monte Karlo metodai ir mokymasis dėl laiko skirtumų. Kursas apima valdymo metodus be modelių, pvz., Q-Learning ir SARSA, gilinasi į funkcijų aproksimavimą ir Deep Q-Networks (DQN) ir tiria politikos gradiento metodus, įskaitant REINFORCE ir Actor-Critic metodus. Kurse nagrinėjama esminė tyrinėjimo ir išnaudojimo dilema ir pristatomi gilaus sustiprinimo mokymosi metodai, tokie kaip gilūs deterministiniai politikos gradientai (DDPG) ir asinchroninis pranašumas, aktorius-kritikas (A3C). Dalyviai taip pat tyrinės mokymosi perkėlimą ir kelių agentų RL, baigdami esamų programų ir sprendimų apžvalgą, taip pat dabartinių tyrimų sričių ir RL ateities tyrimą.

  • ELESM24213 6 kreditai

    Šnekos analizė

    Studijų dalyko tikslas

    Šiuo kursu siekiama visapusiškai suprasti pagrindinius kompiuterių mokslo kalbos technologijų iššūkius ir technologijas.

    Studijų dalyko aprašas

    Šis kursas siūlo nuodugniai ištirti pagrindinius kalbos technologijos iššūkius ir pritaikymus kompiuterių moksle. Dalyviai pasiners į skaitmeninį kalbos signalo apdorojimą, apimantį funkcijų ištraukimą, akustinį modeliavimą ir automatinį kalbos atpažinimą (ASR) su paslėptais Markovo modeliais. Mokymo programa apima kalbos modeliavimą, kalbos sintezę ir teksto į kalbą (TTS) sistemas, nagrinėjant ir konkatenacinius, ir parametrinius metodus. Nagrinėjamos kalbėtojų ir emocijų atpažinimo skaičiavimo strategijos, įskaitant multimodalinius metodus. Be to, kursas gilinasi į šnekamosios kalbos supratimą per natūralios kalbos apdorojimą, sprendžiant ketinimų atpažinimą ir dialogo valdymą. Pabrėžiamas giluminio mokymosi vaidmuo apdorojant kalbą, įskaitant konvoliucinius neuroninius tinklus ir pasikartojančius neuroninius tinklus. Kurso pabaigoje pagrindinis dėmesys skiriamas daugiarūšiam skaičiavimo kalbos apdorojimui, esamų sprendimų peržiūrai, techninių pažangų tyrinėjimui ir kylančių tendencijų, pvz., ASR ir TTS sistemų, aptarimui. Studentai numatytu tvarkaraštyje metu privalo dalyvauti ne mažiau kaip 60 proc. pratybų ir ne mažiau kaip pusę teorinių paskaitų.

  • FMITM24202 6 kreditai

    Tekstų analizė

    Studijų dalyko tikslas

    Šiuo kursu siekiama pateikti išsamų įvadą į natūralios kalbos apdorojimą (NLP), apimantį pagrindines sąvokas, iššūkius, naudotinas technologijas ir programas.

    Studijų dalyko aprašas

    Dalyviai sužinos apie teksto duomenų šaltinius, paieškos sprendimus ir išankstinio duomenų apdorojimo būdus, įskaitant žetonų ir teksto vaizdavimo metodus. Kurso metu gilinamasi į nuotaikų analizę, teksto klasifikavimą, kalbos dalies žymėjimą ir įvardintų objektų atpažinimą, atliekant praktinius pratimus kuriant specifines domeno sistemas. Dalyviai tyrinės sekos žymėjimą, modelius nuo sekos iki sekos ir neuroninės kalbos modelius teksto generavimui. Kursas baigiamas atsakymo į klausimus apžvalga, dialogo sistemomis ir esamų NLP sprendimų apžvalga, taip pat diskutuojant apie naujus tyrimų rezultatus ir ateities tendencijas šioje srityje.

  • ELESM24211 6 kreditai

    Vaizdų analizė

    Studijų dalyko tikslas

    Šiuo kursu siekiama suteikti pagrindinį supratimą apie kompiuterinę regą ir vaizdo apdorojimą, apimantį pagrindinius principus, esamas technologijas ir iššūkius šioje srityje.

    Studijų dalyko aprašas

    Dalyviai sužinos apie vaizdo formavimą, spalvų modelius ir įvairius vaizdo apdorojimo būdus, įskaitant filtravimą, pagerinimą ir triukšmo mažinimą. Kursas apima praktinius briaunų aptikimo, vaizdo segmentavimo, funkcijų ištraukimo ir derinimo pratimus. Dalyviai tyrinės objektų aptikimą, atpažinimą, vaizdų registravimą ir geometrines transformacijas, taip pat sutelks dėmesį į gilaus mokymosi programas vaizdų klasifikavimo srityje. Kursas taip pat gilinasi į objektų sekimą, vaizdo analizę ir baigiamas esamų duomenų rinkinių ir sprendimų, susijusių su kompiuterine vizija, apžvalga, aptariant dabartines tyrimų sritis ir ateities tendencijas. Studentai numatytu tvarkaraštyje metu privalo dalyvauti ne mažiau kaip 60 proc. pratybų ir ne mažiau kaip pusę teorinių paskaitų.

  • FMITM24200 3 kreditai

    Magistro tiriamasis darbas 2

    Studijų dalyko tikslas

    Parengti magistro baigiamojo darbo pasirinkta tema mokslinės-techninės literatūros analitinę apžvalgą ir/ar esamų sprendimų eksperimentinį įvertinimą, sudaryti tolesnių tyrimų planą.

    Studijų dalyko aprašas

    Magistro tiriamojo darbo 2 dalyke gilinamos žinios pasirinkta tyrimų kryptimi, parengiama išsami mokslinės-techninės informacijos pasirinkta tema analitinė apžvalga ir/ar eksperimentų metu įvertinami esami sprendimai, formuluojamas tyrimų planas.

3 Semestras

Privalomi
  • FMITM24301 9 kreditai

    Debesų kompiuterija ir didieji duomenys (su kursiniu projektu)

    Studijų dalyko tikslas

    Šiuo kursu siekiama visapusiškai suprasti kompiuterių tinklo pagrindus, dirbtinio intelekto debesų kompiuteriją ir esminį didžiųjų duomenų vaidmenį, suteikiant dalyviams žinių ir įgūdžių, reikalingų kuriant ir diegiant patikimus DI sprendimus įvairiose technologinėse aplinkose.

    Studijų dalyko aprašas

    Šiame išsamiame kurse gilinamasi į kompiuterių tinklų pagrindus, debesų kompiuteriją, skirtą dirbtiniam intelektui, ir pagrindinį didžiųjų duomenų vaidmenį dirbtiniame intelekte (AI). Dalyviai tyrinės tinklo protokolus, architektūrą ir valdymą kartu su debesų kompiuterijos koncepcijomis ir paslaugomis, pabrėždami pagrindinius tiekėjus, tokius kaip AWS, Azure ir GCP. Mokymo programa apima duomenų tvarkymą debesyje, konteinerizavimą ir AI programų orkestravimą. Aptariamas AI modelio diegimas, integracija su tinklo paslaugomis ir kelių debesų bei hibridinių debesų diegimo strategijos. Kursas taip pat supažindina su kraštų skaičiavimu dirbtinio intelekto programoms. Didžiųjų duomenų segmentas apima duomenų rinkimą, saugojimą, valdymą, apdorojimą ir paskirstytą skaičiavimą. Nagrinėjamas mašininis mokymasis ir gilusis mokymasis naudojant didelius duomenis, taip pat realiojo laiko analizė ir srautinių duomenų srautų analizė. Kursas baigiamas esamų didelių duomenų taikomųjų programų, sprendimų, dabartinių tyrimų sričių ir ateities tendencijų apžvalga.

  • FMITM24313 6 kreditai

    Jungtinis mokymasis ir daiktų internetas

    Studijų dalyko tikslas

    Šio kurso tikslas – įsigilinti į daiktų interneto įrenginių ir tinklų pagrindus, apimančius tokias temas kaip įrenginio architektūra, ryšio protokolai, saugumas ir privatumo aspektai, kartu tyrinėjant tokias pažangias sąvokas kaip jungtinis mokymasis ir jo taikymas kraštiniuose įrenginiuose, multimodalinis duomenų suliejimas, kylančias tendencijas, susijusias su jungtinio mokymosi ir daiktų interneto technologijų sankirta.

    Studijų dalyko aprašas

    Dalyviai įgis praktinių įžvalgų apie daiktų interneto projektavimą ir diegimą, daugiausia dėmesio skirdami duomenų rinkimui iš daiktų interneto įrenginių. Tada kursas gilinasi į besiformuojančią Federacinio mokymosi sritį, apimančią jos architektūrą, algoritmus ir taikomąsias programas kraštiniuose įrenginiuose. Bus nuodugniai išnagrinėtas saugus agregavimas, diferencinis privatumas ir iššūkiai diegiant susietą mokymąsi daiktų interneto įrenginiuose. Be to, kurse nagrinėjamos pažangios temos, įskaitant daugiarūšį duomenų suliejimą, jungtinį mokymąsi 5G ir ne tik, ir dabartines tendencijas, susijusias su jungtinio mokymosi ir daiktų interneto tyrimų sankirta. Derindami teorinį supratimą ir praktines programas, dalyviai bus pasirengę spręsti realaus pasaulio iššūkius išmaniuosiuose daiktų interneto įrenginiuose ir prisidėti prie pažangiausių jungtinio mokymosi plėtros.

  • FMITM24302 6 kreditai

    Vartotojo patyrimas dirbtinio intelekto sprendimuose

    Studijų dalyko tikslas

    Šiuo kursu siekiama suteikti visapusišką supratimą apie pagrindinį vartotojo patirties (UX) vaidmenį DI sprendimuose, apimančius keičiamo dydžio ir į vartotoją orientuotų DI sistemų architektūrą.

    Studijų dalyko aprašas

    Dalyviai tyrinės DI paslaugų diegimo technologijas ir metodus, ypatingą dėmesį skirdami žiniatinklio sistemos priekinės dalies kūrimui. Bus sprendžiamas DI paslaugų ir API integravimas į priekines programas, atsižvelgiant į esminius saugumo aspektus. Kursas gilinasi į vartotoją orientuotus projektavimo principus, įskaitant vartotojų tyrimus, asmenybes, kelionės žemėlapius ir tinkamumo testavimą. DI projektams bus taikomi dizaino mąstymo principai, apimantys idėjas, prototipų kūrimą ir tinkamumo naudoti vertinimą. Be to, dalyviai tyrinės pokalbių sąsajų, pokalbių robotų, balso vartotojo sąsajų (VUI) ir natūralios kalbos apdorojimo dizainą. Kursas apima multimodalinį UX dizainą, papildytą realybę (AR), virtualią realybę (VR) ir subtilų personalizavimo ir vartotojo valdymo balansą. Bus aptariamos naujos tendencijos ir naujovės UX tyrimų srityje, suteikiant dalyviams visapusiškų įgūdžių, leidžiančių sukurti patrauklias ir patogias DI sąsajas.

  • FMITM24300 3 kreditai

    Magistro tiriamasis darbas 3

    Studijų dalyko tikslas

    Paruošti magistro baigiamojo darbo tyrimams ar kuriamai sistemai reikiamą aplinką, duomenis ir tyrimų vykdymo įrankius, gauti pirmus tyrimų rezultatus.

    Studijų dalyko aprašas

    Magistro tiriamojo darbo 3 dalyke toliau gilinamos žinios pasirinkta tyrimų kryptimi jau koncentruojantis ne tik ties mokslinės-techninės informacijos pasirinkta tema analitine apžvalga, bet ir realiais eksperimentais, jų pirmine rezultatų analize. Rezultatų apimtis turėtų būti tokia, kad gautus rezultatus būtų galima pristatyti mokslinėje konferencijoje.

Laisvas pasirinkimas

4 Semestras

Privalomi
  • FMITM24400 30 kreditai

    Magistro darbas

    Studijų dalyko tikslas

    Užbaigti magistro baigiamojo darbo užduotyje numatytus tyrimus, parengti magistro baigiamojo darbo ataskaitą ir įrodyti, kad studijų ir mokslinių tyrimų metu įgyta kompetencija ir gebėjimai atitinka studijų programoje numatytus rezultatus, tinkamą jų pasiekimo lygį.

    Studijų dalyko aprašas

    Magistro baigiamajame darbe užbaigiami numatyti tyrimai, parengiama ataskaita, kurioje motyvuojamas tyrimų krypties pasirinkimas, pateikiama analitinė literatūros apžvalga, tyrimų tikslai ir uždaviniai, pagrindžiamas tyrimų metodikos ir įrangos pasirinkimas, pateikiami, vertinami ir apibendrinami atliktų tyrimų rezultatai. Šiame etape taip pat parengiama pranešimo mokslinėje konferencijoje medžiaga ar straipsnis, kurie yra pateikiami kaip ataskaitos priedas. Dalyvavimas konferencijoje ar mokslinio straipsnio publikavimas nėra privalomi, tačiau rekomenduojami ir leidžiantys atskleisti aukštesnes studento kompetencijas.

Statistika

Rodiklis Reikšmė
Priimta studentų 39
Įstoję į VF 39
Mažiausias VF balas 8.87