Вступ до магістратури

Прийом до магістратури на спеціальність 113 Прикладна математика за освітньою програмою «Наука про дані та математичне моделювання» у 2023 році проводиться, як і раніше, на конкурсних засадах.

При вступі до магістратури як за державним замовленням, так і за кошти фізичних та/або юридичних осіб потрібно скласти єдиний вступний іспит (ЄВІ), фахове вступне випробування та подати до розгляду мотиваційний лист. 
Цьогоріч ЄВІ складається з двох частин – іноземної мови за вибором вступника (англійська, німецька, французька або іспанська) та тесту загальної навчальної компетентності (ТЗНК) для перевірки необхідного рівня знань з критичного, аналітичного та логічного мислення. Для складання ЄВІ потрібно зареєструватись з 08 травня до 31 травня (до 18.00) та з 26 червня до 18 липня скласти його.

Документи для вступу до магістратури подаються виключно електронно. 
За державним замовленням можна подати до 5 заяв із зазначенням пріоритетності заяв, кількість заяв за кошти фізичних та/або юридичних осіб – максимум 15
Для того, щоб подати документи, потрібно з 01 липня зареєструвати електронний кабінет, а потім зареєструватись для складання фахового вступного випробування. 
Фахові вступні випробування до КПІ ім. Ігоря Сікорського будуть проводитись з 17 липня до 28 липня включно. Подати заяви можна буде з 31 липня до 21 серпня включно. 
Розклад роботи атестаційної комісії та графік проведення вступних випробувань після їх визначння будуть опубліковані на сайті факультету приикладної математики.

 

ПРОГРАМА комплексного фахового випробування для вступу на освітню програму підготовки магістра «Наука про дані та математичне моделювання» за спеціальністю 113 Прикладна математика знаходиться за цим посиланням.

Додаткове вступне випробування для тих, хто отримав диплом за іншою спеціальністю, при вступі до магістратури КПІ ім. Ігоря Сікорського у 2023 році, як і в 2020-2022 рр. скасовано!

 

Терміни навчання в магістратурі:​

  • магістратура освітньо-професійної програми підготовки: 1 рік і 4 місяці (1,5 навчальні роки)
  • магістратура освітньо-наукової програми підготовки: 1 рік і 9 місяців (2 навчальні роки)

Вартість одного року навчання у магістратурі на кафедрі прикладної математики у 2023/2024 навчальному році не змінилася з попереднього навчального року:

  • очна (денна) форма навчання - 41 900 грн.;
  • заочна форма навчання - 27 900 грн.

У зв’язку з воєнним станом деякі терміни можуть змінюватися. Тому слідкуйте за оголошеннями на офіційному сайті Приймальної комісії КПІ ім. Ігоря Сікорського та сайті факультету прикладної математики.

Програма Магістри ОПП (більш детально див. освітньо-професійну програму) Магістри ОНП (більш детально див. освітньо-наукову програму)
Цілі Підготовка фахівця, здатного вирішувати складні задачі і проблеми в галузі науки про дані та здійснювати інноваційну професійну діяльність для комплексного виконання проектно-технологічних робіт з машинного навчання, інтелектуального аналізу даних та математичного моделювання об’єктів, процесів і явищ різного характеру, у тому числі тих, що пов’язані з обробкою великих обсягів даних (Big Data) Підготовка фахівця, здатного вирішувати складні задачі і проблеми в галузі науки про дані та здійснювати інноваційну професійну діяльність для комплексного виконання наукових та проектно-технологічних робіт з машинного навчання, інтелектуального аналізу даних та математичного моделювання об’єктів, процесів і явищ різного характеру, у тому числі тих, що пов’язані з обробкою великих обсягів даних (Big Data), здійснювати дослідно-конструкторську та наукову діяльність за фахом.
Освітні компоненти «Машинне навчання», «Інтелектуальний аналіз даних» (Data Mining), «Методи теорії надійності та ризику», «Моделювання складних систем», «Чисельні методи математичної фізики» (включаючи дисципліни за вибором, зокрема: «Нечітка математика», «Архітектура та технології систем з великими обсягами даних», «Технологія Blockchain», «Методи підтримки прийняття рішень», «Математичне моделювання біомедичних систем і процесів»)  те саме, що й в ОПП, а також «Інтелектуальний аналіз великих обсягів даних», «Управління проектами», «Прикладне моделювання» (включаючи дисципліни за вибором, зокрема: «Автоматизоване опрацювання текстів» (Text Mining), «Системна інженерія»)
Очікувані результати навчання
  1. Використовувати та адаптувати математичні теорії та моделі для забезпечення теоретичного підґрунтя розв’язання наукових та практичних задач.
  2. Застосовувати існуючий математичний апарат, розробляти нові моделі, методи та алгоритми при вирішенні актуальних практичних задач широкого спектру.
  3. Керуватись нормами інтелектуальної власності у професійній діяльності, проводити патентний пошук, оформлювати заявку на патент.
  4. Організовувати професійну діяльність згідно з принципами сталого розвитку суспільства, загальнолюдськими та гуманістичними цінностями для збереження та розвитку сучасної цивілізації.
  5. Ситуативно й професійно спілкуватись та аналізувати науково-технічну інформацію однією з іноземних мов, організовувати багатосторонню (у тому числі міжкультурну) комунікацію та управляти нею.
  6. Виявляти ініціативу та підприємливість, організовувати власну професійну діяльність, розробляти інноваційні підприємницькі проекти та створювати компанії для їх реалізації.
  7. Застосовувати методи здобуття знань із даних, методи оцінки та інтерпретації знайдених закономірностей.
  8. Здійснювати математичне і комп’ютерне моделювання складних систем та процесів, обчислювальні експерименти з використанням сучасних методів інтелектуального аналізу даних та комп’ютерних технологій.
  9. Здійснювати пошук, систематизацію та аналіз науково-технічної інформації, вітчизняного та іноземного досвіду з питань професійної діяльності; логічно, послідовно й точно формулювати свої думки та подавати інформацію у професійному спілкуванні; розробляти наукові документи та презентації, доповідати та публікувати результати досліджень.
  10. Обґрунтовувати вибір засобів для розв’язання конкретних задач та будувати чисельні схеми за допомогою різницевих апроксимацій чи методом зважених нев’язок, досліджувати різницеві схеми на наявність апроксимації диференціальних задач та знаходити умови їхньої стійкості.
  11. Обирати набір ознак (факторів) для класифікації чи регресії та проводити попередню обробку даних, підбирати вид моделі машинного навчання у залежності від задачі, що розв’язується.

те саме, що й в ОПП, а також 

  1. Здійснювати та аналізувати  педагогічну діяльність, застосовувати
  2. сучасні методи науково-педагогічного дослідження та педагогічні технології.
  3. Обґрунтовувати вибір метрик класифікації та регресії, принципів побудови векторних ознак, вирішуючих правил та класифікаторів, розуміти основні типи задач машинного навчання й інтелектуального аналізу великих обсягів даних.
  4. Застосовувати методи мережного та календарного планування проектів, оцінки ризиків проекту, стратегій міжособистісної взаємодії, технологій організації професійних колективів та організації науково-дослідної діяльності, у тому числі у міжнародному середовищі.

 

  

Бажаємо успіхів у конкурсі й ждемо на кафедрі прикладної математики!