Studia na kierunku Applied Computer Science
Section outline
-
Kurs powstał w ramach projektu "OMNIS Otwartość. Modernizacja. Nowoczesność. Integracja. Społeczność.", współfinansowanego ze środków Unii Europejskiej w ramach Europejskiego Funduszu Społecznego Plus, w ramach programu Fundusze Europejskie dla Rozwoju Społecznego 2021-2027.
-
-
Studiuj Applied Computer Science na odległość - przez Internet i zostań architektem cyfrowej przyszłości.
Posłuchaj:
Przeczytaj:
Czy jesteś gotów, by przekształcić teorię informatyczną w innowacyjne rozwiązania, które kształtują świat biznesu i technologii? Studia magisterskie na kierunku Applied Computer Science, prowadzone w języku angielskim przez Wydział Elektryczny i Ośrodek Kształcenia na Odległość, to Twoja przepustka do grona specjalistów IT. Nasz program, o profilu ogólnoakademickim, jest ściśle powiązany z najnowszymi badaniami naukowymi w dyscyplinie Informatyka techniczna i telekomunikacja. Przygotujemy Cię nie tylko do bycia doskonałym inżynierem, ale także do bycia liderem i innowatorem gotowym na wyzwania globalnego rynku. To program realizowany w trybie niestacjonarnym na odległość, co pozwala na elastyczne łączenie nauki z pracą zawodową.
Dlaczego warto? Zdobędziesz tytuł magistra inżyniera w 4 semestry, ucząc się od ekspertów, jak wykorzystywać zaawansowane technologie IT.
Czego się nauczysz i co osiągniesz? Przekrocz granice tradycyjnej wiedzy i rozwiń zestaw zaawansowanych kompetencji, które otworzą Ci drzwi do kariery opartej na głębokiej analizie i projektowaniu:
- Zarządzanie złożonością. Zyskasz pogłębioną wiedzę z zaawansowanych metod programowania, zaawansowanych algorytmów i najnowszych architektur systemów, w tym systemów rozproszonych i chmurowych. Nauczysz się integrować wiedzę z różnych obszarów i stosować podejście systemowe do rozwiązywania nietypowych, złożonych zadań inżynierskich.
- Technologie przyszłości. Opanujesz zagadnienia związane ze Sztuczną Inteligencją (AI), nowoczesnymi bazami danych (w tym No-SQL, analitycznymi i w chmurze), a także trendami rozwojowymi w zakresie technologii i ich zastosowań.
- Inżynieria i innowacja. Będziesz potrafił identyfikować i formułować specyfikację złożonych zadań praktycznych, a następnie projektować i realizować złożone systemy lub procesy zgodnie z najlepszymi metodykami (w tym z uwzględnieniem aspektów pozatechnicznych).
- Decyzje i liderowanie. Rozwiniesz umiejętności krytycznej analizy, argumentacji i pracy w zespole. Będziesz przygotowany do przejęcia roli lidera i kierownika zespołu, potrafiącego odpowiednio określić priorytety i działać w sposób kreatywny i przedsiębiorczy.
- Odpowiedzialność zawodowa. Zdobędziesz gruntowną wiedzę o uwarunkowaniach społecznych, ekonomicznych i prawnych w działalności inżynierskiej, a także pogłębioną wiedzę z zakresu prawa autorskiego, ochrony własności intelektualnej i zarządzania jakością.
Jeśli interesuje Cię, jak te efekty uczenia się przekładają się na praktykę, jakie konkretne przedmioty pomogą Ci osiągnąć ten poziom wiedzy i umiejętności inżynierskich, zapraszamy do zapoznania się ze planem studiów. Dowiedz się, jak tematy takie jak Ethical AI, Distributed Computing, czy Sustainable Software Engineering staną się podstawą Twojego inżynierskiego portfolio.
Program studiów:
Semestr 1
- Business Process Modelling (5 ECTS)
- Statistical Learning (5 ECTS)
- Data Warehousing and Visualisation (5 ECTS)
- IT Project Management (5 ECTS)
- Specialization Laboratory (6 ECTS)
Semestr 2
- Software Analysis and Design with UML (5 ECTS)
- Advanced Databases (5 ECTS)
- Ethical AI: From Principles to Practice (5 ECTS)
- Physics (5 ECTS)
Semestr 3
- Distributed Computing (5 ECTS)
- Sustainable Software Engineering at Scale (5 ECTS)
Przedmioty wybieralne dla semestru 3
- Designing graphical user interfaces (UX) (5 ECTS)
- Low-Code Software Development (5 ECTS)
- Technical Aspects of Neural Networks in Business (5 ECTS)
- Cybersecurity (5 ECTS)
- LLM in Action (5 ECTS)
- Startup Entrepreneurship (5 ECTS)
- Information Systems Design Methodology (5 ECTS)
Semestr 4
- Master Diploma Seminar (4 ECTS)
- Master of Science Thesis (20 ECTS)
-
-
-
Studia na odległość w OKNO PW oparte są na modelu SPRINT, który łączy samodzielną naukę online z nielicznymi zjazdami na uczelni oraz sesjami egzaminacyjnymi.
Struktura roku i semestru
- Rok akademicki podzielony jest na 4 półsemestry (jesienny, zimowy, wiosenny, letni), każdy trwa 8 tygodni i kończy się dwutygodniową sesją egzaminacyjną.
- Semestr w programach koordynowanych przez OKNO PW składa się z dwóch takich półsemestrów. Dzięki takiej organizacji student realizuje mniejszą liczbą przedmiotów jednocześnie (średnio są to 2 - 3 przedmioty w półsemestrze).
Organizacja studiowania
- Model zakłada, że student sam wybiera czas i tempo studiowania przedmiotów, a pobyty na uczelni ograniczone są do zajęć praktycznych (laboratoria, ćwiczenia) oraz egzaminów i konsultacji.
- Dla każdego przedmiotu przewidziane są zwykle weekendowe spotkania na uczelni (np. dwie soboty w trakcie półsemestru) z ćwiczeniami rachunkowymi, projektowymi i dyskusją problemów z prowadzącym.
Formy pracy studenta
- Część asynchroniczna obejmuje korzystanie z materiałów e‑learningowych (tekst, multimedia, prezentacje, filmy, ...), wykonywanie zadań i projektów oraz komunikację przez platformę edukacyjną LeIA (fora, wiadomości, testy, ...).
- Część synchroniczna to konsultacje online oraz praca zespołowa w małych grupach, prowadzona w ustalonych terminach.
Narzędzia i obsługa
- Student korzysta z systemu USOSWeb np. do zapisów na przedmioty, sprawdzania wyników zaliczeń i opłat, składania podań, zamawiania zaświadczeń, przedłużania ważności legitymacji studenckiej, a z platformy edukacyjnej LeIA do pracy dydaktycznej: studiowania materiałów edukacyjnych, oddawania zadań, udziału w zajęciach online i komunikacji z prowadzącymi.
- Ośrodek m.in. zapewnia wsparcie administracyjne i informatyczne oraz standardy prowadzenia przedmiotów na platformie edukacyjnej dla wszystkich programów realizowanych w trybie "na odległość".
-
-
-
Przedmiot (ECTS) Treści kształcenia Oczekiwane umiejętności absolwenta Business Process Modelling (5 ECTS) Pojęcie, rodzaje i złożoność procesów biznesowych. Cele modelowania. Języki i notacje: BPML, ORM, sieci Petriego, UML, BPMN. Zarządzanie modelem procesów. Modelowanie WorkFlow. Algebra procesowa i symulacja procesów biznesowych. Potrafi pozyskać wiedzę o narzędziach do modelowania procesów. Potrafi wyrazić opis problemu biznesowego w UML lub BPMN. Potrafi wykonać symulację procesu biznesowego. Potrafi zbudować i udokumentować model procesu w BPMN i UML Statistical Learning (5 ECTS) Analiza statystyczna danych. Metody estymacji. Wybrane zagadnienia algebry liniowej (rozkład SVD). Metody analizy regresji (wielomianowa, gradientowa, pseudoinwersja Moore’a-Penrose’a). Metody doboru cech. Metody klasyfikacji i wzmacniania klasyfikatorów. Wprowadzenie do sieci neuronowych. Algorytmy uczenia nienadzorowanego. Potrafi wyszukiwać informacje o algorytmach eksploracji danych. Potrafi opowiadać o problemie analizy danych i rozwiązywać problemy inżynierskie z dziedziny uczenia statystycznego. Potrafi opisać analizę danych, stawiać hipotezy i wyciągać wnioski. Potrafi przeprowadzać eksperymenty komputerowe w celu dostosowania metod modelowania. Data Warehousing and Visualisation (5 ECTS) Wprowadzenie do hurtowni danych. Analiza i modelowanie wielowymiarowe. Architektura hurtowni danych. Gromadzenie i integracja danych (zasilanie/ETL). Wizualizacja danych. Narzędzia raportowo-analityczne. Potrafi zaprojektować schemat danych w hurtowni danych. Potrafi stworzyć raport analityczny. Sprawnie tworzy wizualizacje danych. Poprawnie dobiera architekturę hurtowni danych do wymagań biznesowych. IT Project Management (5 ECTS) Podstawowe pojęcia zarządzania projektami. Specyfika projektów IT. Definiowanie celu i zakresu. Metodyki (formalne, zwinne i adaptacyjne). Zarządzanie: czasem, jakością, ryzykiem. Zarządzanie zespołem programistycznym. Metryki i śledzenie projektu. Model CMMI. Zarządzanie komunikacją. Standardy i normy. Potrafi gromadzić, oceniać i selekcjonować materiały źródłowe dot. zarządzania projektami. Potrafi planować i realizować projekt informatyczny średniej wielkości (określanie celu, zakresu, harmonogramu, ryzyka, jakości). Podejmuje decyzje w ramach gry strategicznej. Posługuje się dedykowanymi narzędziami do zarządzania projektami IT. Specialization Laboratory (6 ECTS) Wybrane zagadnienia inżynierii oprogramowania i baz danych. Umie rozwiązać problem postawiony przez nauczyciela z wykorzystaniem metod i technik dobranych do problemu.
-
-
-
Przedmiot (ECTS) Treści kształcenia Oczekiwane umiejętności absolwenta Software Analysis and Design with UML (5 ECTS) Inżynieria wymagań, analiza wymagań i projektowanie oprogramowania. Notacje i techniki pozyskiwania wymagań. Standard UML (Unified Modeling Language). Stosowanie modeli UML w inżynierii oprogramowania. Najlepsze praktyki w cyklach życia oprogramowania (wytwarzanie iteracyjne). Umie stosować techniki porozumiewania się z użytkownikami podczas zbierania wymagań. Umie stosować techniki komunikacji w trakcie tworzenia modeli architektonicznych. Umie tworzyć modele wymagań i projektowe przy użyciu narzędzi. Potrafi wykonać specyfikację wymagań i dokumentację projektową. Advanced Databases (5 ECTS) Przegląd modeli bazodanowych i standardów. Metody i dobre praktyki projektowania baz danych. Przetwarzanie zapytań i optymalizacja operacji bazodanowych. Relacyjne i nierelacyjne silniki bazodanowe. Problematyka rozproszonych baz danych. Umie zaprojektować i zaimplementować złożoną bazę danych (relacyjną i nierelacyjną). Potrafi ocenić różne modele baz danych i ich zastosowanie. Potrafi dokonać migracji i zasilić bazę danych. Wprawnie używa składni języka SQL w stopniu zaawansowanym. Potrafi dopasować rozwiązanie bazodanowe do danych różnego rodzaju i złożoności. Ethical AI: From Principles to Practice (5 ECTS) Filozoficzne podstawy etyki AI. Wartości i zasady w godnej zaufania AI (godność, autonomia, zaufanie, sprawiedliwość). Metodologia Projektowania Uwzględniającego Wartości (VSD). Psychologiczne aspekty interakcji człowiek-AI. Etyka biznesu i AI. Ocena etyczna i zarządzanie. Potrafi zidentyfikować i przeanalizować potencjalne ryzyka etyczne modeli AI. Potrafi zastosować zasady etycznego projektowania (ethical-by-design) do opracowania rozwiązań AI. Physics (5 ECTS) Fala elektromagnetyczna i teoria pola. Łącza optyczne w wolnej przestrzeni. Detekcja promieniowania. Światłowody włókniste. Modulacja i techniki multipleksacji. Cyfrowe łącza optyczne. Fizyka półprzewodników. Pamięci półprzewodnikowe, dyski optyczne, nośniki magnetyczne. Potrafi wyliczyć zasięg fali propagującej się w światłowodach i podać optymalne parametry toru transmisyjnego. Potrafi zaprojektować proste łącze telekomunikacyjne. Określa wpływ warunków atmosferycznych na łącze w wolnej przestrzeni. Potrafi wyjaśnić fizyczną zasadę działania pamięci półprzewodnikowych i magnetycznych.
-
-
-
Przedmiot (ECTS) Treści kształcenia Oczekiwane umiejętności absolwenta Distributed Computing (5 ECTS) Wprowadzenie do systemów rozproszonych. Modele komunikacji (message passing, RPC, gRPC) i protokoły. Czas, porządkowanie i synchronizacja (zegary Lamporta, wektorowe). Algorytmy rozproszone (wybór lidera). Spójność danych i replikacja (kompromis CAP). Odporność na uszkodzenia i tolerancja błędów. Rozproszone przechowywanie danych (NoSQL, DHT). Platformy obliczeń rozproszonych (klastry, chmura, Docker, Kubernetes). Paradygmaty programowania rozproszonego (MapReduce, mikrousługi). Umie zidentyfikować problem wymagający użycia systemu rozproszonego. Potrafi zaprojektować system rozproszony dla potrzeb obliczeń. Potrafi programować w języku wyższego poziomu na potrzeby systemów rozproszonych. Sustainable Software Engineering at Scale (5 ECTS) Wybrane metody inżynierii oprogramowania. Zrównoważona inżynieria oprogramowania. Skalowanie procesu IO na wiele zespołów. Nowoczesne metryki stosowane w IO. Automatyzacja w IO. Najnowsze wyzwania i trendy. Potrafi pozyskać i wyselekcjonować informacje na temat najnowszych trendów w IO. Potrafi zaprojektować i optymalizować proces IO obejmujący wiele zespołów. Potrafi automatyzować proces integracji oraz wdrażania oprogramowania. Poprawnie dobiera metody IO do uwarunkowań biznesowych i technicznych.
-
-
-
Przedmiot (ECTS) Treści kształcenia Oczekiwane umiejętności absolwenta Designing graphical user interfaces (UX) (5 ECTS) Użyteczność interfejsów (kategorie, metodologia, testowanie). Projektowanie interfejsów i UX. Metodologia User Centered Design. Atomic design. Prototypowanie (Figma). Architektury aplikacji frontendowych (MVC, model warstwowy). Wzorce projektowe. Potrafi tworzyć dokumentację interakcji przy użyciu UML. Potrafi ocenić jakość interfejsu za pomocą wskaźników użyteczności. Potrafi zaprojektować interfejs w oparciu o metodologię Atomic Design. Potrafi zaimplementować interfejs użytkownika dla aplikacji frontendowej. Low-Code Software Development (5 ECTS) Definiowanie języków low-code. Składnia abstrakcyjna (metamodele) i konkretna. Transformacja modeli i generowanie kodu (wykorzystanie AI). Zastosowanie nowoczesnych narzędzi low-code. Umie stosować techniki definiowania składni abstrakcyjnej i konkretnej dla języków low-code. Umie stosować techniki transformacji modeli i generacji kodu. Umie tworzyć modele w językach low-code. Potrafi zaprojektować i zaimplementować środowisko narzędziowe (language workbench). Technical Aspects of Neural Networks in Business (5 ECTS) Podstawowe pojęcia uczenia maszynowego (regresja, klasyfikacja, klasteryzacja). Algorytmy (KNN, Bayesa, drzewa decyzyjne). Sieci neuronowe (MLP, RBF, SVM). Sieci głębokie (CNN, GAN, autoenkoder, LSTM). Transformatory. Redukcja wymiarowości (PCA, LDA, TSNE, BSS). Metody oceny algorytmów ML. Potrafi planować i przeprowadzać eksperymenty, pomiary, symulacje komputerowe. Potrafi ocenić przydatność metod i narzędzi do obliczeń maszynowych. Rozumie procesy tworzenia modeli ML w zastosowaniach praktycznych. Cybersecurity (5 ECTS) Podstawowe terminy i pojęcia cyberbezpieczeństwa. Główne zagrożenia. Metody wykrywania i eliminowania luk. Planowanie awaryjne. Strategia reagowania na incydenty i odzyskiwania danych po awarii. Umie zidentyfikować rodzaje zagrożeń cybernetycznych. Potrafi zaprojektować bezpieczny system informatyczny. Wykonuje analizy bezpieczeństwa systemów informatycznych. Potrafi dobrać metody służące zabezpieczeniu i narzędzia do analizy bezpieczeństwa. LLM in Action (5 ECTS) Wprowadzenie do dużych modeli językowych (LLM). Architektury i mechanizmy działania LLM. Prompt Engineering. Adaptacja LLM do specyficznych zadań. Zastosowania w automatyzacji i wsparciu pracy. Trendy i wyzwania. Umie wykorzystać LLM do wsparcia swojej pracy. Potrafi zaprojektować plan fine-tuningu. Poprawnie dobiera LLM do problemu biznesowego. Potrafi napisać efektywne zapytania do LLM. Identyfikuje procesy możliwe do automatyzacji z wykorzystaniem LLM. Startup Entrepreneurship (5 ECTS) Przedsiębiorczość innowacyjna. Pomysł na startup. Metoda Lean Startup (etapy i narzędzia). Warsztaty nad projektami (weryfikowanie hipotez biznesowych, wywiady, koncepcja MVP). Finansowanie startupu. Prezentacja końcowa. Umie sformułować główne hipotezy biznesowe. Potrafi zaprojektować model biznesowy startupu. Potrafi zaprojektować i przeprowadzić eksperymenty biznesowe, w tym wywiady. Potrafi przygotować i przedstawić prezentację inwestorską ("pitch"). Information Systems Design Methodology (5 ECTS) Cykle życiowe rozwoju oprogramowania. Terminologia paradygmatu projektowania obiektowego. Podstawy języka UML. Techniki identyfikacji obiektów (analiza lingwistyczna, karty CRC). Gromadzenie i zarządzanie wymaganiami. Inżynieria w przód i wstecz. Architektury systemów. Wzorce projektowe. Potrafi projektować złożone systemy informatyczne w oparciu o modele UML i wzorce projektowe. Umie krytycznie analizować wymagania biznesowe i przekształcać je w formalne modele projektowe.
-
-
-
Przedmiot (ECTS) Treści kształcenia Oczekiwane umiejętności absolwenta Master Diploma Seminar (4 ECTS) Omówienie strony formalnej prac dyplomowych (przepisy, prawa autorskie, plagiat ). Zasady pisania i redakcji. Pożądane cechy pracy (samodzielność, kreatywność). Proces opinii i recenzji. Obrona pracy dyplomowej (pytania, prezentacja). Przygotowanie referatu i prezentacja postępów pracy. Posiada umiejętność przedstawienia zagadnień merytorycznych z zakresu pracy dyplomowej. Potrafi integrować i krytycznie oceniać informacje, wyciągać wnioski, formułować i uzasadniać opinie. Potrafi określić kierunki dalszego uczenia się i rozwoju zawodowego. Master of Science Thesis (20 ECTS) Realizacja pracy dyplomowej. Potrafi pozyskiwać informacje z właściwie dobranych źródeł, także w języku obcym. Potrafi przygotować i przedstawić dobrze udokumentowane opracowanie problemów i prezentację ustną.
-
-
-
Sposób weryfikacj i osiągnięcia efektów uczenia się (w zależności od przedmiotu): egzaminy pisemne, kolokwia, testy, sprawozdania, projekty i prezentacje.
-
