Universitetas
Bendruomenė
Stojantiesiems
Studijos
Mokslas ir inovacijos
Verslui
Fakultetai
Grįžti

Dirbtinio intelekto sprendimų valdymas

Lietuvių arba anglų kalba Hibridinė studijų programa
Nuolatinės studijos
Nuolatinės studijos
  • Padalinys
    Fundamentinių mokslų fakultetas
  • Programos kodas
    6211BX024
  • Studijų kryptis
    Informacijos sistemos
  • 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

Dirbtinio intelekto sprendimai vis dažniau naudojami verslo sektoriuje ir asmeniniame gyvenime. Jie suteikia galimybes automatizuoti rutininius darbus, pritaikyti šiuolaikines technologijas intelektualių sprendimų priėmimui. Tačiau Lietuvoje ir visame pasaulyje trūksta dirbtinio intelekto specialistų, gebančių perprasti esamų technologijų galimybes ir tinkamai valdyti jų kūrimo ir diegimo procesą.

Dirbtinio intelekto sprendimų valdymas studijų programa orientuota į visapusišką dirbtinio intelekto srities suvokimą, reikalingą tinkamai valdyti dirbtinio intelekto projektus ir sprendimus. Studijų metu bus gilinamasi į dirbtinio intelekto projektų gyvavimo ciklą, atitinkamų jo dalių organizavimą ir vykdymą. Techninės žinios ir gebėjimai kurti dirbtinio intelekto sprendimus bus suteikiami tiek, kad besimokantieji galėtų pilnai perprasti jų veiklų principus, tačiau didesnis dėmesys bus skiriamas šių technologijų tinkamam pritaikymui, įgalinimui ir suvaldymui. Todėl šioje programoje gali studijuoti ne tik tiksliųjų mokslų absolventai, tačiau ir asmenys, norintys persikvalifikuoti ir tapti tarpininkais, tarp inovatyvių dirbtinio intelekto sprendimų kūrėjų ir tas technologijas galinčių pilnai pritaikyti sektorių.

Šios magistro studijų programos tikslas – paruošti aukštos kvalifikacijos, analitiniu mąstymu pasižyminčius ir gebančius konkuruoti sparčiai besikeičiančioje aplinkoje informacinių sistemų specialistus, turinčius platų dirbtinio intelekto srities suvokimą, išmanančius dirbtinio intelekto sistemų gyvavimo ciklą, esamų sistemų pritaikymo ir vystymo galimybes, gebančius taikyti įvairius dirbtinio intelekto ir/ar automatizavimo sprendimus iškilusių problemų sprendimui, vertinti sistemų ir dirbtinio intelekto sprendimų kokybę, atsižvelgiant į keliamus reikalavimus ir atliktų tyrimų rezultatais, tinkamai vadovauti bei valdyti su dirbtinio intelekto kūrimu ar taikymu susijusius projektus.

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):

  • dirbtinio intelekto sprendimų galimybių analizė, modeliavimas ir diegimas;
  • dirbtinio intelekto metodų, modelių ir/ar technologijų tyrimai;
  • dirbtinio intelekto sprendimų kokybės vertinimas.
  • Ką gebėsiu?

    • Suvokti skirtingų dirbtinio intelekto sprendimų veikimo principus ir tobulinimo galimybes;
    • Sudaryti ir vykdyti dirbtinio intelekto diegimo projektus;
    • Vykdyti su dirbtinio intelekto taikymu susijusius tyrimus, naujų žinių gavimui ar tinkamiausių sprendimų pagrįstam pasirinkimui;
    • Vertinti dirbtinio intelekto sprendimų tinkamumą ir pritaikymo kokybę, atsižvelgiant į suderinamumą su etiniais, teisiniais ir prieinamumo vartotojams reikalavimais;
    • Vadovauti dirbtinio intelekto sprendimus kuriančioms ir/ar diegiančioms komandoms, užtikrinant tokio tipo projektams būdingų žingsnių įvykdymą ir komunikaciją tarp grupės narių.

  • Kokios būtų mano karjeros galimybės?

    • Dirbti dirbtinio intelekto projektų vadovu, duomenų ir dirbtinio intelekto sprendimų analitiku;
    • Vykdyti su dirbtinio intelekto taikymu susijusius tyrimus įvairiose srityse veikiančiose įmonėse bei mokslinių tyrimų ir inovacijų centruose;
    • Inicijuoti, vadovauti ir vykdyti organizacijų veiklos procesų automatizavimui tiek privačiame ir viešajame sektoriuje.

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 sprendimų valdymo studijų programą:

1) Priimami šių studijų krypčių bakalaurai:

  • visų krypčių bakalaurai (ne informatikos mokslų, ne matematikos mokslų studijų krypčių grupių, ne elektronikos ir elektros inžinerijos, ne fizikos studijų krypčių bakalaurai privalo išlaikyti IT žinių testą (vaizdo pokalbis numatytomis temomis)).

2) Privalomieji bakalauro programos dalykai ir minimalios jų apimtys:

studijų pagrindų dalykai:

  • 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
  • FMITM24224 9 kreditai

    Dirbtinio intelekto projektų valdymas (su kursiniu projektu)

    Studijų dalyko tikslas

    Kurso tikslas – visapusiškai suprasti daugialypį DI vaidmenį šiuolaikiniame versle, apimantį programas, strategijos formavimą, techninį įgyvendinimą ir etišką lyderystę.

    Studijų dalyko aprašas

    Dalyviai mokysis verslumo lyderystės įgūdžių, spręs tik pradedančiųjų įmonių iššūkius, skatins inovacijas ir naudos ribotus išteklius. Kursas gilinasi į įmonių steigimo ir mastelio kūrimo subtilybes, pabrėžiant veiksmingą lyderystę rinkodaros, pardavimo ir socialinės atsakomybės srityse. Be to, jame nagrinėjami esminiai AI modelio valdymo aspektai – nuo versijų valdymo ir stebėjimo iki etinės praktikos ir mastelio. Dalyviai įgis įžvalgų apie „DevOps”, „AIOps”, naudotojų mokymą ir sistemos atsparumą, užtikrindami holistinį požiūrį į AI diegimą ir operacijas.

  • FMITM24223 6 kreditai

    Sistemų integracija

    Studijų dalyko tikslas

    Šio kurso tikslas – suteikti dalyviams išsamų supratimą apie sistemų integravimo galimybes ir pagrindinius jo aspektus.

    Studijų dalyko aprašas

    Šiame kurse nagrinėjamas sistemų integravimo apibrėžimas ir reikšmė, sprendžiami pagrindiniai šios srities iššūkiai ir tendencijos. Dalyviai gilinsis į integracijos architektūrą ir komponentus, apimančius reliacines duomenų bazes ir jų optimizavimą, taip pat NoSQL duomenų bazes ir duomenų saugyklą. Bus nagrinėjamos duomenų integravimo koncepcijos ir strategijos, įskaitant ištraukimo, transformavimo, įkėlimo (ETL) procesus, kartu su tarpinės programinės įrangos technologijomis, į pranešimus orientuota tarpine programine įranga (MOM) ir žiniatinklio paslaugomis, daugiausia dėmesio skiriant RESTful API projektavimui ir integravimui. Kursas taip pat apima autentifikavimo ir autorizacijos reikalavimus, vieno prisijungimo (SSO) sprendimus ir debesų kompiuterijos integraciją, įskaitant be serverio ir mikropaslaugų architektūras. Bus nagrinėjama daiktų interneto ekosistema ir įrenginiai, mobiliųjų programėlių kūrimas, kelių platformų integracija ir integracijos sėkmės įvertinimas. Be to, dalyviai apžvelgs esamas integravimo priemones ir platformas, užbaigdami dabartinių tyrimų sričių ir sistemų integravimo bei architektūros ateities tyrimą.

  • 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.

  • FMITM24221 6 kreditai

    Verslo analitika

    Studijų dalyko tikslas

    Kurso tikslas – įsisavinti analitikos vaidmenį šiuolaikiniame versle, atsekti jo istorinę raidą ir akcentuoti analizės procesą nuo duomenų rinkimo iki ataskaitų teikimo.

    Studijų dalyko aprašas

    Kurso temos apima duomenų kokybę, valdymą, procesų automatizavimą naudojant RPA ir statistinius metodus, tokius kaip regresinė analizė ir hipotezių tikrinimas. Mokymo programa apima laiko eilučių analizę, prognozavimo metodus ir tiria linijinį ir netiesinį optimizavimą, įskaitant sveikųjų skaičių programavimą. Aptariamas sprendimų palaikymas naudojant duomenų analizę, apimantis tokias sritis kaip klientų segmentavimas, tiekimo grandinės analizė ir erdvinė analizė. Įtrauktas A/B testavimas, pagrindinės DI projektų metrikos ir verslo žvalgybos įrankių apžvalga bei naujausių verslo analitikos pasiekimų tyrimas.

  • 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.

  • FMITM24323 6 kreditai

    Praktika

    Studijų dalyko tikslas

    Siekiama suteikti studentams praktinės patirties, ugdant jų įgūdžius dirbtinio intelekto projektų valdymo, kūrimo etinių sumetimų ir bendradarbiavimo komandoje srityse, paruošiant juos lyderio vaidmenims dinamiškoje dirbtinio intelekto srityje.

    Studijų dalyko aprašas

    Ši praktika siūlo studentams visapusišką DI projektų valdymo ir plėtros tyrinėjimą realiame pasaulyje. Taikydami praktinį požiūrį, dalyviai gilinsis į DI projektų valdymo pagrindus, įsisavins projekto gyvavimo ciklą, įrankius ir technologijas, būtinas šiai sričiai. Programoje didelis dėmesys skiriamas etiniams sumetimams, užtikrinant atsakingą požiūrį į DI praktiką. Dalyviai, įsitraukę į komandinius projektus, įgis bendradarbiavimo įgūdžių, įgis pramonės poveikio, turės galimybę bendrauti su DI srities profesionalais. Stažuotė baigiasi išsamiu įvertinimu, įvertinant dalyvius pagal jų praktinį indėlį į gyvus projektus ir gebėjimą efektyviai dokumentuoti ir pranešti apie projekto pažangą. Šia įtraukiančia patirtimi siekiama paruošti studentus vadovauti vaidmenims dinamiškame DI projektų valdymo kraštovaizdyje.

  • 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 52
Įstoję į VF 48
Mažiausias VF balas 8.66