Universitetas
Bendruomenė
Stojantiesiems
Studijos
Mokslas ir inovacijos
Verslui
Fakultetai
Grįžti

Duomenų mokslas ir statistika

Lietuvių arba anglų kalba
Nuolatinės studijos
Nuolatinės studijos
  • Padalinys
    Fundamentinių mokslų fakultetas
  • Programos kodas
    6211AX009
  • Studijų kryptis
    Statistika
  • Kvalifikacinis laipsnis
    Matematikos mokslų magistras
  • Trukmė
    2

Apie

Valstybinės institucijos, verslo įmonės, bankai, draudimo bendrovės, sveikatos priežiūros įstaigos, socialiniai tinklai, internetinės platformos ir išmanieji įrenginiai kasdien generuoja milžiniškus duomenų kiekius. Tačiau duomenys savaime vertės nesukuria – svarbiausia mokėti juos analizuoti, interpretuoti ir paversti sprendimais.

Šiandien organizacijoms reikia specialistų, kurie gebėtų ne tik apdoroti didelius ir sudėtingus duomenų rinkinius, bet ir kurti prognozavimo modelius, taikyti dirbtinio intelekto bei mašininio mokymosi metodus, vertinti rezultatų patikimumą ir padėti priimti duomenimis pagrįstus sprendimus.

Būtent tokius specialistus rengia Duomenų mokslo ir statistikos magistrantūros studijų programa.

Į programą kviečiami statistikos, matematikos, informatikos ir kitų giminingų krypčių bakalauro studijas baigę studentai, siekiantys gilinti duomenų analizės, modeliavimo ir programavimo kompetencijas. Baigus studijas suteikiamas matematikos mokslų magistro kvalifikacinis laipsnis.

Programa orientuota į naujos kartos duomenų analitikų rengimą. Šiuolaikiniai duomenys dažnai yra didelės apimties, nestruktūrizuoti, gaunami iš įvairių šaltinių ir reikalauja pažangių analizės metodų. Todėl studijose derinamos matematinės statistikos, duomenų mokslo, informatikos ir dirbtinio intelekto žinios.

Studijų metu mokysitės programuoti R ir Python kalbomis, dirbti su moderniomis duomenų bazėmis ir didžiųjų duomenų technologijomis, taikyti statistinio modeliavimo, prognozavimo, mašininio mokymosi ir natūralios kalbos apdorojimo metodus. Įgytos žinios leis spręsti tiek moksliniuose tyrimuose, tiek verslo ar viešojo sektoriaus veikloje kylančius uždavinius.

Programos tikslas – rengti aukštos kvalifikacijos duomenų analizės specialistus, gebančius kurti ir taikyti pažangius analitinius sprendimus, interpretuoti sudėtingų duomenų analizės rezultatus ir prisidėti prie inovacijų kūrimo duomenimis grįstoje visuomenėje.

Ką galėčiau tirti baigiamajame darbe?

  • Kaip modeliuoti nekilnojamojo turto, transporto, finansų ar kitų rinkų pokyčius?
  • Kaip vertinti ir prognozuoti ekonominius, socialinius bei demografinius rodiklius?
  • Kaip dirbtinis intelektas gali padėti prognozuoti įvykius ir priimti sprendimus?
  • Kaip analizuoti didžiulius duomenų kiekius iš socialinių tinklų, interneto ar verslo sistemų?
  • Kaip įvertinti riziką ir neapibrėžtumą realiose situacijose?
  • Ką gebėsiu?

    • Parinkti duomenų analizėje naudojamus matematinius, statistinius ir mašininio mokymosi modelius, jų parametrų vertinimo bei modelių kokybės vertinimo metodus.
    • Paruošti duomenis analizei, programuoti R ir Python kalbomis, dirbti su duomenų bazėmis bei didžiųjų duomenų technologijomis.
    • Kurti mažos ir didelės apimties duomenų matematinius bei statistinius modelius, vertinti jų parametrus ir tikrinti modelių tinkamumą.
    • Taikyti prognozavimo, dirbtinio intelekto ir duomenų gavybos metodus praktinėms problemoms spręsti.
    • Vizualizuoti duomenis ir aiškiai pristatyti analizės rezultatus įvairioms auditorijoms.
    • Dirbti tarpdalykinėse ir tarptautinėse komandose, dalyvauti moksliniuose tyrimuose ir profesiniuose tinkluose.

  • Kokios būtų mano karjeros galimybės?

    • Dirbti duomenų analitikos ir verslo analizės srityje, analizuojant duomenis ir teikiant duomenimis pagrįstas rekomendacijas verslo bei viešojo sektoriaus organizacijoms.
    • Dirbti statistikos ir oficialiosios statistikos srityje, rengiant rodiklius, prognozes ir analitines įžvalgas nacionalinėms bei tarptautinėms institucijoms.
    • Dirbti prognozavimo, modeliavimo ir rizikos vertinimo srityje, sprendžiant finansų, draudimo, transporto ir kitų duomenimis grįstų veiklų uždavinius.
    • Vykdyti mokslinius tyrimus ir tęsti studijas doktorantūroje, gilinantis į statistiką, duomenų mokslą, matematinį modeliavimą ir susijusias sritis.

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 - 2 Semestrai

1 Semestras

Privalomi
  • FMSAM25155 9 kreditai

    Oficialiosios statistikos rodiklių analizė ir prognozė (su kursiniu darbu)

    Studijų dalyko 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

    Studijų dalyko tikslas

    Suteikti studentams teorines žinias ir praktinius gebėjimus kurti ir kritiškai vertinti duomenų vizualizacijas, taikant estetiką, suvokimo ir tinkamo vizualizavimo principus bei efektyvius komunikuojančius duomenis auditorijoms.

    Studijų dalyko aprašas

    Studijų dalykas skirtas duomenų vizualizavimo pagrindams ir taikymams. Jame nagrinėjami estetikos, spalvų ir suvokimo principai, įvairių grafikų rūšys, geografiniai duomenys bei kūrybiški vizualizavimo sprendimai. Kursas supažindina su duomenų šaltiniais, vizualizavimo įrankių ekosistema ir skirtingais vizualizavimo poreikiais valstybės, žiniasklaidos, mokslo, visuomenės ir meno kontekstuose, taip pat ugdo kritinį požiūrį į manipuliacijas ir klaidas duomenų vizualizacijoje. Dalykas dėstomas taikant PBL (angl. Problem based learning). Studentai semestro metu atlieka individualius arba grupinius projektus, dirbdami su realiais duomenimis, kuriuos pateikia socialiniai partneriai.

  • FMSAM24170 6 kreditai

    Funkcinis programavimas su R

    Studijų dalyko 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

    Studijų dalyko 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.

Pasirinkti vieną
  • FMSAM24167 6 kreditai

    Duomenų mokslo seminaras

    Studijų dalyko 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

    Studijų dalyko 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

    Studijų dalyko 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

Privalomi
  • FMSAM24274 9 kreditai

    Modernios duomenų bazės: nuo reliacinių iki paskirstytų sistemų (su kursiniu darbu)

    Studijų dalyko 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

    Studijų dalyko 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

    Studijų dalyko 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

    Studijų dalyko 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

    Studijų dalyko 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

Privalomi
  • FMSAM24366 9 kreditai

    Natūralios kalbos apdorojimas ir analizė (su kursiniu darbu)

    Studijų dalyko 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

    Studijų dalyko 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

    Studijų dalyko 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.

Pasirinkti vieną
  • FMSAM25373 6 kreditai

    Atsitiktiniai grafai

    Studijų dalyko 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

    Studijų dalyko 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

    Studijų dalyko 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.

Laisvas pasirinkimas

4 Semestras

Privalomi
  • FMSAM16409 30 kreditai

    Magistro baigiamasis darbas

    Studijų dalyko 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