Вступ до магістратури

Прийом до магістратури на спеціальність 113 Прикладна математика за освітньою-професійною і освітньою-науковою програмами «Наука про дані (Data Science) та математичне моделювання» у 2024 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), фаховий іспит та подати до розгляду мотиваційний лист.
Вся актуальна офіційна інформація (правила, дати іспитів, вартість навчання тощо) розміщена на сайті приймальної комісії університета.

Уточнення

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 10. 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 01 серпня до 21 серпня включно.
Розклад роботи атестаційної комісії та графік проведення вступних випробувань після їх визначння будуть опубліковані на сайті факультету прикладної математики.

ПРОГРАМА фахового іспиту для вступу на освітньою-професійною і освітньою-науковою програмами підготовки магістрів «Наука про дані (Data Science) та математичне моделювання» за спеціальністю 113 Прикладна математика є єдиною і розміщена за цим посиланням.
Додаткове вступне випробування для тих, хто отримав диплом за іншою спеціальністю, при вступі до магістратури КПІ ім. Ігоря Сікорського у 2024 році, як і в 2020-2023 рр. скасовано!

Часті питання

Які 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)

Яка вартість навчання за контрактом?

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.

Які документи потрібні для вступу?

Для вступу до КПІ потрібні:

копія ID-картки із документом про реєстрацію місця проживання або паспорта-книжки;
копія ідентифікаційного коду;
чоловікам — копія приписного свідоцтва;
4 фотографії 3х4 см;
2 примірники договору про навчання;
за наявності копії документів, що підтверджують пільгу, та свідоцтва про народження, якщо право на неї мають батьки;
заява з особистого кабінету, якщо подаєш онлайн.

Якщо подаєш документи особисто, то до всіх копій потрібно взяти із собою оригінали. Сертифікати ЗНО/НМТ, ЄВІ, ЄФВВ та документи про ПЗСО цьогоріч подавати не потрібно.

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	Використовувати та адаптувати математичні теорії та моделі для забезпечення теоретичного підґрунтя розв’язання наукових та практичних задач. Застосовувати існуючий математичний апарат, розробляти нові моделі, методи та алгоритми при вирішенні актуальних практичних задач широкого спектру. Керуватись нормами інтелектуальної власності у професійній діяльності, проводити патентний пошук, оформлювати заявку на патент. Організовувати професійну діяльність згідно з принципами сталого розвитку суспільства, загальнолюдськими та гуманістичними цінностями для збереження та розвитку сучасної цивілізації. Ситуативно й професійно спілкуватись та аналізувати науково-технічну інформацію однією з іноземних мов, організовувати багатосторонню (у тому числі міжкультурну) комунікацію та управляти нею. Виявляти ініціативу та підприємливість, організовувати власну професійну діяльність, розробляти інноваційні підприємницькі проекти та створювати компанії для їх реалізації. Застосовувати методи здобуття знань із даних, методи оцінки та інтерпретації знайдених закономірностей. Здійснювати математичне і комп’ютерне моделювання складних систем та процесів, обчислювальні експерименти з використанням сучасних методів інтелектуального аналізу даних та комп’ютерних технологій. 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. 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. 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 Здійснювати та аналізувати педагогічну діяльність, застосовувати сучасні методи науково-педагогічного дослідження та педагогічні технології. 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. 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.

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

Використовувати та адаптувати математичні теорії та моделі для забезпечення теоретичного підґрунтя розв’язання наукових та практичних задач.
Застосовувати існуючий математичний апарат, розробляти нові моделі, методи та алгоритми при вирішенні актуальних практичних задач широкого спектру.
Керуватись нормами інтелектуальної власності у професійній діяльності, проводити патентний пошук, оформлювати заявку на патент.
Організовувати професійну діяльність згідно з принципами сталого розвитку суспільства, загальнолюдськими та гуманістичними цінностями для збереження та розвитку сучасної цивілізації.
Ситуативно й професійно спілкуватись та аналізувати науково-технічну інформацію однією з іноземних мов, організовувати багатосторонню (у тому числі міжкультурну) комунікацію та управляти нею.
Виявляти ініціативу та підприємливість, організовувати власну професійну діяльність, розробляти інноваційні підприємницькі проекти та створювати компанії для їх реалізації.
Застосовувати методи здобуття знань із даних, методи оцінки та інтерпретації знайдених закономірностей.
Здійснювати математичне і комп’ютерне моделювання складних систем та процесів, обчислювальні експерименти з використанням сучасних методів інтелектуального аналізу даних та комп’ютерних технологій.
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.
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.
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

Здійснювати та аналізувати педагогічну діяльність, застосовувати
сучасні методи науково-педагогічного дослідження та педагогічні технології.
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.
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.

Глибокі знання в галузі математики, Data Science та інформаційних технологій відкривають для випускників кафедри безліч можливостей на сучасному ринку праці, де можна обрати саме те, що відповідає їхнім здібностям та вподобанням.
Наші випускники працюють у найвідоміших організаціях і компаніях як в Україні, так і за кордоном:

Data Scientist, Machine Learning Engineer, Data Engineer, Data Analyst, Business Analyst: Європейська комісія, Інтерпол, Amazon, ПриватБанк, Dragon Capital та ін.
Software Engineer, Web Developer: Microsoft, Google, Samsung R&D, EPAM Systems, GlobalLogic, Infopulse, Luxoft, Ciklum, DataArt, Creatio та ін.
Technical Lead, System Architect, System Administrator: Miratech, Ciklum, Luxoft, Nokia Networks та ін.
науковець: Інститут кібернетики імені В. М. Глушкова НАНУ, Інститут математики НАНУ, західні університети та наукові центри

Середні зарплати відповідних фахівців у Києві з досвідом роботи від 3 років на грудень 2023 р. (за даними порталу dou.ua):

Machine Learning Engineer — $5000
Data Scientist — $3900
Middle Software Engineer (Java) — $2750
Technical Lead — $5700

Бажаємо успіхів у конкурсі й ждемо на кафедрі прикладної математики!

Контакти гарячої лінії відбіркової комісії ФПМ

E-mail
vkfpm.kpi@lll.kpi.ua
Телефон гарячої лінії
+38 (068) 153-29-36

Контакти Приймальної комісії КПІ ім. Ігоря Сікорського

E-mail
pk.kpi@lll.kpi.ua
Телефони
(+380 44) 204-96-45, 204-96-46