Specjalność Matematyka Obliczeniowa i Komputerowa powinna zainteresować szczególnie te osoby, które pragną łączyć piękną i nieustannie rozwijaną teorię obliczeń realizowanych na komputerach (klasycznych, a obecnie także kwantowych) oraz jej zastosowania do rozwiązywania konkretnych problemów pojawiających się w różnych obszarach naszego życia.
Podczas wykładów, ćwiczeń oraz licznych laboratoriów członkowie Zespołu dzielą się ze studentami swoją wiedzą z zakresu:
- zaawansowanych metod numerycznych i obliczeniowych dla wybranych problemów analizy matematycznej, algebry liniowej oraz zwyczajnych i stochastycznych równań różniczkowych,
- teorii algorytmów i ich złożoności,
- uczenia maszynowego i sztucznej inteligencji (od zagadnień klasycznych do uczenia głębokiego i sieci neuronowych),
- programowania w językach Java i Python,
- obliczeń i algorytmów kwantowych,
- metod i symulacji Monte Carlo.
Podczas zajęć szczególny nacisk położony jest na demonstrację praktycznych zastosowań dla poznawanych algorytmów. Wiele przedmiotów kończy się projektami, które tworzą interesujące portfolio absolwenta. Poniżej krótki opis kilku kluczowych przedmiotów obieralnych.
- Na zajęciach z „Metod numerycznych dla stochastycznych równań różniczkowych” oraz „Option pricing in Hull-White model”, wykorzystując popularny język programowania Python uczymy implementacji metod Monte Carlo do wyceny opcji.
- Na zajęciach z "Metod numerycznych dla równań różniczkowych zwyczajnych" w ramach projektów semestralnych studenci rozwiązują nietrywialne problemy początkowe modelujące rzeczywiste zjawiska (np. rozwój epidemii, przepływy wody w połączonych jeziorach, rozwój populacji, itp.), a także poznają sposoby kalibracji modeli do danych rzeczywistych oraz związki stochastycznych równań różniczkowych z sieciami neuronowymi i generatywną AI.
- Praktyczny charakter ma również przedmiot „Basics of Machine Learning”, gdzie wprowadzane są podstawowe metody uczenia maszynowego oraz kluczowe frameworki w języku Python (Pandas, OpenCV, Tensorflow, Pandas). W ramach projektu semestralnego studenci przygotowują projekty z dziedziny uczenia maszynowego i sieci neuronowych opartych na danych rzeczywistych. Przy okazji uczymy możliwości wykorzystania akceleratorów do obliczeń - kart graficznych). W ramach przedmiotu jest także możliwość bezpłatnego zrealizowania szkolenia NVIDIA Fundamentals of Deep Learning, które kończy się certyfikatem (https://courses.nvidia.com/courses/course-v1:DLI+C-FX-01+V3/). Przedmiot ten pokrywa materiał wystarczający do aplikowania na stanowisko stażysty lub juniora w zakresie Data Science.
- Niektóre z zajęć prowadzone są również we współpracy z podmiotami zewnętrznymi, np. konwersatorium „Applied Java” realizowane jest wspólnie z przedstawicielami firmy HSBC. Celem tego projektu jest opanowanie całego materiału wymaganego zwyczajowo w rekrutacji na stanowisko Junior Java Developer.
Przykładowe ścieżki kariery:
- Sztuczna inteligencja i uczenie maszynowe - obecnie mają miejsce olbrzymie inwestycje w AI, a prawie każda firma analizuje i weryfikuje potencjał sztucznej inteligencji w swojej branży. Stanowiska takie jak Machine Learning Engineer, Deep Learning Engineer, Data Scientist czy AI Research Scientist dają fascynującą pracę, która umożliwia pracę z technologiami state-of-the-art.
- Analiza dużych zbiorów danych (Big Data) - w erze cyfrowej ogromne ilości danych generowanych codziennie wymagają specjalistów do ich analizy i wydobycia wartościowych wniosków. Zawody takie jak Big Data Analyst, Data Engineer, Business Intelligence Analyst, Data Architect umożliwiają wykorzystanie danych do podejmowania kluczowych decyzji biznesowych i tworzenie prawdziwych organizacji napędzanych danami (data-driven).
- Modelowanie stochastyczne - dzięki kompetencjom obejmujących wiedzę z zakresu Rachunku Prawdopodobieństwa i Statystyki, a także symulacji Monte Carlo absolwenci mogą rozwijać się w obszarach modelowania, np.
- Modelowanie ryzyka - zawody takie jak Quantitative Analyst, Risk Analyst, Stochastic Modeling Specialist koncentrują się na analizie i zarządzaniu ryzykiem w różnych dziedzinach, od finansów po przemysł.
- Modelowanie zjawisk - specjaliści w tej dziedzinie zajmują się tworzeniem matematycznych modeli do opisu złożonych zjawisk, takich jak wycena opcji finansowych czy modelowanie przebiegu epidemii a także kalibracją modeli do danych rzeczywistych
- Programowanie - w dzisiejszym technologicznym świecie, umiejętności programowania są niezwykle wartościowe. Praca jako Software Developer, Software Engineer, Full Stack Developer czy Backend Developer daje możliwość tworzenia innowacyjnych rozwiązań technologicznych i uczestniczenia w projektach o globalnym znaczeniu.
- Kariera naukowa - absolwenci mogą także wybrać ścieżkę naukową i kontynuować swoją edukację na poziomie doktoranckim, prowadząc badania naukowe z zakresu matematyki obliczeniowej, uczenia maszynowego, czy też algorytmów kwantowych. Łącząc stopień naukowy z biznesem mogą na przykład zajmować stanowiska kierownicze w projektach badawczo-rozwojowych.
Warto zaznaczyć, że nie są to wszystkie możliwości. Ze względu na swoje umiejętności programistyczne i doskonale ukształtowane myślenie analityczne, absolwenci mogą znaleźć zatrudnienie także w innych dziedzinach, takich jak informatyka, technologia czy w branży finansowej. Dzięki swojej wszechstronnej wiedzy i umiejętnościom, mogą dostosować się do różnorodnych wymagań rynku pracy i odnosić sukcesy w różnych środowiskach zawodowych.