Duomenų mokslas ir statistika
- Stojantiesiems
- Moksleiviams ir mokykloms
- Klausk kūrėjo
- Bakalauro ir vientisosios studijos
- Koleginės studijos
- Studijos aukštesniuose kursuose
- Nuotolinės ir ištęstinės studijos
- Magistrantūros studijos
- Kolegijų absolventams
- Doktorantūros studijos
- Dvigubo diplomo ir jungtinės studijos
- Įgijusiems išsilavinimą užsienyje
- Dalinės studijos
- Studijų aplinka
- Projektai
-
PadalinysFundamentinių mokslų fakultetas
-
Programos kodas6211AX009
-
Studijų kryptisMatematikos mokslai
-
Kvalifikacinis laipsnisMatematikos mokslų magistras
-
Trukmė2
Apie
Oficialiosios statistikos įstaigos, įvairios valstybės tarnybos, medicinos įstaigos, mobiliojo ryšio operatoriai, bankai, transporto ir kitų verslo sričių įmonės, socialiniai tinklai, žaidimų portalai ir didžiulė įvairovė kitų internete veikiančių ir paslaugas teikiančių svetainių sukaupia milžiniškus kiekius duomenų.
Be to, atsiranda vis daugiau išmaniųjų įrenginių, kurie taip pat generuoja didžiulius kiekius įvairios prigimties duomenų. Jų analizė tampa didele problema. Norint iš turimų duomenų gauti prasmingos ir naudingos informacijos verslui, reikia naujos kartos analitikų, gebančių taikyti šiuolaikinius analizės ir prognozavimo metodus, technologijas ir analitikos programines priemones.
Tai – duomenų analitiko darbas, kuris šiuolaikiniame pasaulyje vis reikalingesnis.
Į Duomenų mokslo ir statistikos magistro studijų programą gali stoti statistikos, matematikos arba informatikos bakalauro kvalifikacinį laipsnį turintys studentai.
Baigus studijas suteikiamas matematikos mokslų magistro laipsnis.
Programa Duomenų mokslas ir statistika orientuota į duomenų analizės specialistų rengimą. Analizuojant ypač didelius duomenų kiekius susiduriama su specifinėmis problemomis, kokių tradicinėje statistikoje iš esmės nėra. Pirmiausia, tai įvairios problemos, kylančios dėl fizinės duomenų apimties. Dėl tos pačios priežasties smarkiai išauga duomenų apdorojimo laikas. Kita aktuali problema yra ta, kad labai dažnai duomenys yra nestruktūrizuoti, todėl tradicinių statistinės analizės metodų tiesiogiai pritaikyti negalima. Be to, atsiranda tokių uždavinių, kuriems reikia naujų duomenų analizės metodų. Tai paskatino naujos tarpdisciplininės mokslo srities – duomenų mokslo (ang. Data Science) – vystymąsi.
Kvalifikuotai didelės apimties duomenų analizei reikalingi tokie specialistai, kurie mokėtų programuoti, turėtų žinių apie duomenų bazes ir kitas su duomenų apdorojimu susijusias informacines technologijas. Be to, žinotų ir mokėtų taikyti statistinės analizės, statistinio modeliavimo bei prognozavimo metodus.
Programos tikslas – rengti specialistus, turinčius matematinės statistikos ir informatikos žinių, susijusių su didžiųjų duomenų analize, žinančius duomenų analizės sistemų programinių priemonių galimybes, gebančius taikyti statistinės analizės, statistinio modeliavimo bei prognozavimo metodus moksliniuose tyrimuose bei praktikoje kylantiems uždaviniams spręsti.
Baigiamųjų darbų tematika (problematika):
- tiesiniai ir netiesiniai modeliavimo metodai ekonomikoje;
- genetinių duomenų statistinė analizė;
- kryptinių duomenų statistinė analizė;
- nehomogeniniai rizikos atstatymo modeliai.
-
Ką gebėsiu?
• Parinkti duomenų analizėje naudojamus matematinius modelius, jų parametrų vertinimo ir modelių kokybės vertinimo metodus
• Paruošti duomenis analizei, programuoti R ir Python kalbomis, parengti statistinių tyrimų rezultatus tolimesnei analizei;
• Kurti tiek mažos, tiek ir didelės apimties duomenų matematinius ir statistinius modelius, vertinti jų parametrus, patikrinti modelio tinkamumą turimiems duomenims;
• Dirbti tarpdalykinėje ir tarptautinėje komandoje, dalyvauti profesiniuose tinkluose. -
Kokios būtų mano karjeros galimybės?
• Dirbti duomenų analitikais, verslo sistemų analitikais, rizikos vertinimo specialistais;
• Dirbti projektų vadovais verslo ir valstybinėse įmonėse bei bendrovėse Lietuvoje ir užsienyje;
• Studijuoti fizinių mokslų srities matematikos mokslo krypties doktorantūroje Lietuvoje ir užsienyje.
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 duomenų mokslo ir statistikos studijų programą:
1) Priimami šių studijų krypčių bakalaurai:
- ekonomikos,
- informatikos,
- informatikos inžinerijos,
- matematikos,
- statistikos.
2) Privalomieji bakalauro programos dalykai ir minimalios jų apimtys:
studijų pagrindų dalykai:
- informacinės technologijos (12 kr.),
- matematika (12 kr.).
specialūs programos dalykai (18 kr.):
- atsitiktiniai procesai,
- ekonometrija,
- matematinė statistika,
- regresinė analizė,
- statistikos programinė įranga,
- tikimybių teorija.
Studijų dalykai
1 Semestras
-
FMSAM25155 9 kreditai
Oficialiosios statistikos rodiklių analizė ir prognozė (su kursiniu darbu)
Modulio tikslas
Dalyko tikslas – suteikti studentams žinių apie oficialiąją statistiką, statistinių rodiklių analizės ir modeliavimo metodus, ugdyti gebėjimus taikyti statistinius metodus daugiamačiams duomenims ir laiko eilutėms, vertinti rodiklių kokybę, atlikti jų prognozes bei kritiškai interpretuoti gautus rezultatus.
Studijų dalyko aprašas
Oficialiosios statistikos rodikliai gali būti analizuojami erdviniame pjūvyje ir laike, todėl taikomi statistiniai metodai skirstomi į nepriklausomų daugiamačių statistinių duomenų ir laiko eilučių analizės metodus. Studentai supažindinami su tiesiniais bei netiesiniais rodiklių modeliavimo metodais. Kurso metu aptariami rodiklių laiko eilučių pirminio koregavimo bei nestebimų komponenčių vertinimo praktiniai aspektai. Teorinės žinios įsisavinamos atliekant praktines užduotis, naudojant R, ir kitas taikomąsias statistines programas.
-
FMSAM25144 6 kreditai
Duomenų vaizdinė komunikacija
Modulio tikslas
Susipažinti su Bajeso išvadų darymo statistikoje principais ir pritaikyti šias žinias praktiškai.
Studijų dalyko aprašas
Priešingai negu klasikinėje statistikoje, Bajeso analizėje turimi duomenys laikomi fiksuotais, o duomenų skirstinio parametrai laikomi nežinomais. Išvados apie parametrus ir kitus nežinomuosius atnaujinamos, pritaikant iš duomenų gaunamą informaciją. Remiantis Bajeso teorema sudaromi statistiniai modeliai. Tam nagrinėjami aprioriniai skirstiniai, duomenų tikėtinumas, aposteriorinio skirstinio radimas ir jo skaitinis aproksimavimas. Bajeso metodai taikomi klasikinės statistikos modeliams, lyginami klasikinių ir Bajeso metodų privalumai ir trūkumai; susipažįstama su Bajeso metodų ypatumais vertinant hierarchinius modelius. Sudarant statistinius modelius, jų tinkamumas tiriamas informaciniais kriterijais. Praktiniam Bajeso metodų taikymui naudojama R programa.
-
FMSAM24170 6 kreditai
Funkcinis programavimas su R
Modulio tikslas
Šio kurso tikslas – supažindinti studentus su funkciniu programavimu, išdėstyti pagrindinius programavimo su R principus, įtvirtinti programavimo su R įgūdžius ir pasiruošti R kalbos naudojimui statistinėje duomenų analizėje.
Studijų dalyko aprašas
Statistinė duomenų analizė turi keletą pagrindinių etapų: tai duomenų rinkimas ir jų pertvarkymas, vizualizavimas, statistinis modeliavimas. Šie etapai didele dalimi priklauso nuo programinės įrangos galimybių ir, žinoma, nuo tos įrangos panaudojimo įgūdžių. Duomenų analizėje naudojamą programinę įrangą galima suskirstyti į keletą grupių, atskirą grupę sudaro specializuotos ogramavimo
kalbos. R yra specialiai statistinei duomenų analizei ir duomenų vizualizavimui skirta funkcinio programavimo kalba. Naudojant papildomas bibliotekas, kurių skaičius nuolat didėja, bazines kalbos galimybes galima lengvai išplėsti ir tokiu būdu naudoti naujausius statistinio modeliavimo, vizualizavimo ir kitus duomenų analizės metodus. Pagal TIOBE indeksą R patenka tarp 20 populiariausių programavimo kalbų ir jos vieta reitinge pastaraisiais metais didėja. Šis kursas skirtas įtvirtinti bazinius programavimo su R įgūdžius, didelį dėmesį skiriant funkcinio programavimo stiliui. Be to, R kalba naudojama kituose duomenų mokslo specializacijos kursuose, todėl šis kursas paruoš studentus tolimesnėms studijoms. -
FMSAM17106 3 kreditai
Magistro tiriamasis darbas 1
Modulio tikslas
Suformuluoti baigiamojo darbo temą. Išnagrinėti reikiamą mokslinę literatūrą.
Studijų dalyko aprašas
Baigiamojo darbo tikslas yra išmokti spręsti įvairių taikomųjų sričių matematikos problemas, išplėsti studijų procese gautas teorines žinias, pagilinti mokslinę patirtį.
-
FMSAM24167 6 kreditai
Duomenų mokslo seminaras
Modulio tikslas
Šio kurso tikslas – supažindinti su duomenų nuskaitymo iš interneto priemonėmis, duomenų pertvarkymo ir vizualizavimo metodais.
Studijų dalyko aprašas
Internete įvairiais pavidalais prieinamas didžiulis duomenų kiekis. Tačiau didžioji dalis šių duomenų yra (nestruktūruotas) interneto puslapių turinys. Duomenų nusijojimas yra toks procesas, kurio metu informacija iš interneto puslapių transformuojama į tam tikrą struktūruotą pavidalą.
Šis kursas yra orientuotas į praktikoje sutinkamų duomenų paruošimą, pertvarkymus ir vizualizavimą.
Temos apima duomenų nuskaitymą iš interneto puslapių, duomenų failų formatų apžvalgą, duomenų pertvarkymo priemones, geostatistinių duomenų vizualizavimą. Šis kursas yra tarpinis kursas tarp elementarios statistinės duomenų analizės ir praktinio duomenų bazių panaudojimo ar didelės apimties duomenų analizės. -
FMSAM22168 6 kreditai
Matricų algebros specialieji skyriai
Modulio tikslas
Pagilinti matricų teorijos žinias, supažindinti su matricų algebros metodais, reikalingais taikant daugiamatės statistikos metodus ir analizuojant statistinius modelius.
Studijų dalyko aprašas
Matricų algebros metodai yra plačiai taikomi statistiniuose skaičiavimuose, ypač, daugiamatėje duomenų analizėje. Todėl matricų algebros žinios yra būtinos, norint išmokti, suprasti ir taikyti tas statistikos sritis, kurios yra grįstos matriciniais duomenimis. Šio kurso išskirtinumas yra tas, kad jo temos yra atrinktos taip, kad tenkintų daugelį statistikų poreikių, o atitinkami uždaviniai ir pavyzdžiai iliustruotų taikymus statistikoje. Šiame kurse pirmiausia supažindinama su blokinėmis matricomis bei jų veiksmais, tiesine matricų priklausomybe, tiesinėmis erdvėmis ir poerdviais. Nagrinėjamas tiesinis apvalkalas, erdvės bazės ir dimensija, matricos branduolys bei homogeninės lygčių sistemos. Studijuojamas matricos rangas, pėdsakas bei atitinkamos savybės. Mokomasi užrašyti matricos LU, spektrinę bei SVD dekompoziciją. Galiausiai nagrinėjamos apibendrintos atvirkštinės matricos bei jų savybės.
-
FMSAM25101 6 kreditai
Pažangūs imčių ir vertinimo metodai oficialiojoje statistikoje
Modulio tikslas
Supažindinti studentus su pažangiais statistiniais metodais, naudojamais duomenų rinkimui ir populiacijos parametrų vertinimui oficialiojoje statistikoje, apimant įvairius duomenų šaltinius, imties sudarymo strategijas, neatsakymų ir išskirčių tvarkymą, mažųjų sričių vertinimą bei šiuolaikinius duomenų šaltinius, tokius kaip administraciniai duomenys ir didieji duomenys.
Studijų dalyko aprašas
Šiame kurse nagrinėjami įvairūs statistiniai metodai, taikomi oficialiosios statistikos praktikoje. Studentai susipažins su tradiciniais ir moderniais duomenų šaltiniais (surašymais, apklausomis, administraciniais registrais, didžiaisiais duomenimis), imčių teorijos pagrindais, tikimybiniu ir netikimybiniu ėmimu. Bus analizuojami sudėtingesni ėmimo metodai – sluoksninis, nelygių tikimybių ėmimas, taip pat santykiniai, regresiniai ir kalibruoti įvertiniai. Kursas apima ir praktines problemas, tokias kaip neatsakymai, duomenų redagavimas, įrašymas (imputacija), bei validavimas. Didelis dėmesys skiriamas mažųjų sričių statistikai, netiesioginiams ir modeliais paremtiems įvertiniams. Taip pat aptariamas nepriklausomų imčių bei tikimybinio ir netikimybinio ėmimo rezultatų apjungimas, konfidencialumo užtikrinimas bei rezultatų sklaidos principai.
2 Semestras
-
FMSAM24274 9 kreditai
Modernios duomenų bazės: nuo reliacinių iki paskirstytų sistemų (su kursiniu darbu)
Modulio tikslas
Suteikti informacijos apie tiek reliacines, tiek paskirstytas duomenų bazes, išmokyti suprojektuoti duomenų bazes taip, kad atitiktų nustatytus poreikius, išmokyti įrašyti, redaguoti ir gauti duomenis iš bet kokio tipo duomenų bazės.
Studijų dalyko aprašas
Kursas skirtas supažindinti studentus su reliacinėmis ir paskirstytomis duomenų bazėmis, skirtingais jų tipais. Pateikiami pavyzdžiai kaip kiekvienu atveju reikėtų sukurti jas, įterpti duomenis, juos redaguoti ar surasti. Pristatomi kiekvienos jų pranašumai ir minusai.
-
FMSAM25274 6 kreditai
Bajeso metodai
Modulio tikslas
Susipažinti su Bajeso išvadų darymo statistikoje principais ir pritaikyti šias žinias praktiškai.
Studijų dalyko aprašas
Priešingai negu klasikinėje statistikoje, Bajeso analizėje turimi duomenys laikomi fiksuotais, o duomenų skirstinio parametrai laikomi nežinomais. Išvados apie parametrus ir kitus nežinomuosius atnaujinamos, pritaikant iš duomenų gaunamą informaciją. Remiantis Bajeso teorema sudaromi statistiniai modeliai. Tam nagrinėjami aprioriniai skirstiniai, duomenų tikėtinumas, aposteriorinio skirstinio radimas ir jo skaitinis aproksimavimas. Bajeso metodai taikomi klasikinės statistikos modeliams, lyginami klasikinių ir Bajeso metodų privalumai ir trūkumai; susipažįstama su Bajeso metodų ypatumais vertinant hierarchinius modelius. Sudarant statistinius modelius, jų tinkamumas tiriamas informaciniais kriterijais. Praktiniam Bajeso metodų taikymui naudojama R programa.
-
FMSAM22272 6 kreditai
Optimizavimo uždaviniai statistikoje
Modulio tikslas
Šio kurso tikslas – suteikti studentams skaičiavimo metodų ir algoritmų, kurie naudojami įvairiuose statistiniuose metoduose, pagrindus.
Studijų dalyko aprašas
Šiuolaikinėje statistinėje duomenų analizėje svarbią rolę vaidina skaičiavimo metodai. Šis kursas – tai įvadas į šiuolaikinius, daug skaičiavimo resursų reikalaujančius metodus statistikoje. Temos apima įvairių optimizavimo uždavinių statistikoje sprendimo metodu: mažiausių kvadratų ir didžiausio tikėtinumo metodus, dimensijos mažinimo. Taip pat atsitiktinių dydžių generavimo algoritmus, MCMC metodus ir pan.
-
FMSAM25222 6 kreditai
Pažangus mašininis mokymasis
Modulio tikslas
Suteikti studentams gilias teorines ir praktines žinias apie pažangius mašininio mokymosi metodus, ugdyti gebėjimą taikyti sudėtingus algoritmus realių duomenų analizėje, savarankiškai vertinti modelių tinkamumą ir interpretavimą, bei pasirengti tolesniam darbui duomenų mokslo ir dirbtinio intelekto srityse.
Studijų dalyko aprašas
Kursas skirtas gilinti studentų žinias apie pažangius mašininio mokymosi metodus, kurie nėra aptariami bakalauro studijų programose. Nagrinėjami sudėtingesni prižiūrimo ir neprižiūrimo mokymosi algoritmai: reguliarizacijos metodai, ansambliniai modeliai (bagging, boosting), parametriniai ir neparametriniai klasifikatoriai, dimensijų mažinimo bei išskirčių nustatymo metodai. Aptariami automatizuoto mašininio mokymosi (AutoML) principai bei modelių interpretavimo svarba šiuolaikiniame duomenų moksle. Dėmesys skiriamas metodų taikymui realiems duomenims, rezultatų interpretacijai ir sprendimų priėmimui remiantis analize.
-
FMSAM17207 3 kreditai
Magistro tiriamasis darbas 2
Modulio tikslas
Magistranto darbo tema surinkti informaciją ir atlikti jos mokslinę analizę taikant įvairius informacijos metodus.
Studijų dalyko aprašas
Problemos sprendimui reikalingos informacijos nustatymas, informacijos šaltinių paieška, informacijos šaltinių vertinimas. Duomenų rinkimo metodai, duomenų patikimumas, statistinis duomenų apdorojimas, kiti duomenų analizės metodai. Mokslinių tyrimų planavimo metodai.
3 Semestras
-
FMSAM24366 9 kreditai
Natūralios kalbos apdorojimas ir analizė (su kursiniu darbu)
Modulio tikslas
Suteikti žinių, leidžiančių analizuoti ir spręsti įvairius praktinius uždavinius, susietus su tekstinių duomenų analize.
Studijų dalyko aprašas
Modulis skirtas didelių nestruktūrizuotų tekstinių duomenų rinkinių analizei. Nagrinėjamos duomenų struktūros, tinkamos efektyviam darbui su tokiais duomenims, ir pagrindiniai algoritmai, leidžiantys analizuoti tekstinių duomenų turinį bei struktūrą.
-
FMMMM22301 6 kreditai
Didžiųjų duomenų apdorojimo technologijos
Modulio tikslas
Dalyko tikslas yra suteikti pagrindines žinias apie didžiuosius duomenis (Big Data). Išmokyti analizuoti duomenis, supažindinti su pagrindiniais įrankiais skirtais analizuoti duomenis. Tyrinėti draudimo rinkos procesus bei ugdyti gebėjimą pritaikyti didžiuosius duomenis (Big Data) šioje rinkoje taip sukuriant papildomą vertę verslui.
Studijų dalyko aprašas
Studijų dalyką sudaro didžiųjų duomenų (Big Data) pagrindai, supažindinama su pagrindiniais duomenų analizės metodais. Apžvelgiami pagrindiniai duomenų analizės įrankiai bei kaip didieji duomenys (Big Data) yra integruojami su tradicinėmis duomenų saugyklų, veiklos analizės (BI) sistemomis. Supažindinama su didžiųjų duomenų (Big Data) galimybėmis sukurti vertę versle. Taip pat nagrinėjami įvairūs realūs panaudojimo uždaviniai finansų sektoriuje.
Studentai numatytu tvarkaraštyje metu privalo dalyvauti ne mažiau kaip 50 proc. teorinių paskaitų, 60 proc. pratybų
-
FMSAM16308 3 kreditai
Magistro tiriamasis darbas 3
Modulio tikslas
Eksperimento planavimas, atlikimas ir pirminė rezultatų analizė.
Studijų dalyko aprašas
Modulis skirtas eksperimento, kuris buvo numatytas modulyje „Baigiamasis darbas 2” planavimui, atlikimui ir rezultatų analizei. Eksperimentas turi pagrįsti arba paneigti modulyje „Baigiamasis darbas 2” padarytas prielaidas. Studentas taip pat turi susipažinti su eksperimento planavimo ir atlikimo metodikomis, eksperimentų rezultatų analizės metodais, palyginti gautus rezultatus su kitų tyrėjų rezultatais bei įvertinti jų efektyvumą.
-
FMSAM25373 6 kreditai
Atsitiktiniai grafai
Modulio tikslas
Supažindinti su atsitiktinių grafų analizavimo teoriniais ir praktiniais aspektais. Tikimasi, kad sėkmingai baigęs šį kursą klausytojas, gebės taikyti atsitiktinių grafų žinias realių duomenų analizei.
Studijų dalyko aprašas
Atsitiktinių grafų teorija – matematikos šaka, kuri yra gana plačiai pritaikoma realiame gyvenime analizuojant kompiuterinius, socialius, ekonominius, biologinius, epidemiologinius ir kitose srityse susidarančius tinklus. Kompiuterių eros atsiradimas paskatino vis didesnį susidomėjimą suprasti realaus pasaulio tinklų struktūrą ir plėtrą. Atsitiktinių grafų teorija suteikia pagrindą šiam supratimui. Paskaitų metu studentai supažindinami su pagrindiniais atsitiktinių grafų teorijos elementais, modeliais ir jų pritaikymo galimybėmis. Teorinės žinios įsisavinamos atliekant praktines užduotis.
-
FMSAM25301 6 kreditai
Oficialios statistikos praktika
Modulio tikslas
Suteikti studentams praktinės patirties oficialiosios statistikos srityje, padedant jiems įgyti žinių apie duomenų rinkimo, apdorojimo, analizės ir sklaidos procesus statistikos institucijose bei įsisavinti praktinius įgūdžius, reikalingus darbui su oficialiais statistiniais duomenimis.
Studijų dalyko aprašas
Modulis skirtas studentams, siekiantiems gilinti žinias ir įgyti praktinių įgūdžių oficialiosios statistikos srityje. Praktika atliekama institucijose ar įstaigose, rengiančiose oficialią statistiką (pvz., nacionalinėse statistikos tarnybose, centrinėse bankuose, ministerijose ar tarptautinėse organizacijose). Studentai susipažįsta su duomenų šaltiniais, statistinių tyrimų organizavimu, imčių sudarymu, duomenų kokybės užtikrinimu, analizės metodais bei rezultatų interpretavimu ir pateikimu. Baigę modulį studentai gebės taikyti įgytas teorines žinias praktinėje statistinėje veikloje ir įvertinti oficialios statistikos vaidmenį sprendimų priėmimo procese.
-
FMSAM25356 6 kreditai
Rizikos teorija
Modulio tikslas
Tikimasi, kad sėkmingai baigęs kursą klausytojas žinos pagrindines pasirinkimo rizikingoje situacijoje teorijas, pagrindinius rizikos matus ir vertinimo kriterijus bei gebės įgytas žinias taikyti praktinėse situacijose.
Studijų dalyko aprašas
Kurso klausytojai supažindinami su pagrindinėmis individų pasirinkimo rizikingoje situacijoje teorijomis, pagrindiniais rizikos matais bei rizikos vertinimo kriterijais. Teoriniai modeliai taikomi draudimo ir / ar loterijos (investavimo) uždaviniams spręsti.
4 Semestras
-
FMSAM16409 30 kreditai
Magistro baigiamasis darbas
Modulio tikslas
Išugdyti gebėjimus formuluoti tiriamojo darbo mokslines išvadas, parengti ir paskelbti pagrindinių rezultatų publikaciją, paruošti baigiamąjį magistro darbą ir jį pristatyti kvalifikacinei komisijai.
Studijų dalyko aprašas
Padaromos mokslinės ir praktinės išvados, parengiamos publikacijos, paruoštas darbas pristatomas kvalifikacinei komisijai.
Statistika
| Rodiklis | Reikšmė |
|---|---|
| Priimta studentų | 10 |
| Įstoję į VF | 7 |
| Mažiausias VF balas | 8.88 |