Луцький національний технічний університет · Освітня програма · Бакалавр · вступ 2026
Штучний інтелект та аналіз масивів даних
Artificial Intelligence and Big Data Analysis
Тип: ОП — освітня програма
Галузь знань: F Інформаційні технології
Спеціальність: F1 Прикладна математика
Рівень: Бакалавр
Кредити ЄКТС: 240 · Термін: 3 р. 10 міс.
Форми здобуття: денна, заочна
Гарант: Олексій ПРИХОДЬКО
Протокол вченої ради ЛНТУ: 2 від 27.08.2026
Гарант освітньої програми:
Члени групи забезпечення освітньої програми:
Склад групи, затверджений разом з програмою, — у передмові документа. Змін після затвердження не вносилось.
| Повна назва закладу вищої освіти | Луцький національний технічний університет, код в ЄДЕБО – 309 |
| Тип диплому та обсяг освітньої програми | Диплом бакалавра, одиничний. Обсяг освітньої програми бакалавра 240 кредитів ЄКТС. Термін навчання: 3 роки 10 місяців. Для здобуття освітнього ступеня бакалавра на основі ступеня молодшого бакалавра (освітньо-кваліфікаційного рівня «молодший спеціаліст») заклад вищої освіти має право визнати та перезарахувати не більше 120 кредитів ЄКТС, отриманих в межах попередньої освітньої програми підготовки молодшого бакалавра (молодшого спеціаліста) за спеціальністю прикладна математика, і не більше 60 кредитів ЄКТС отриманих в межах попередньої освітньої програми підготовки молодшого бакалавра (молодшого спеціаліста) за іншими спеціальностями. На основі ступеня «фаховий молодший бакалавр» заклад вищої освіти має право визнати та перезарахувати не більше ніж 60 кредитів ЄКТС, отриманих за попередньою освітньою програмою фахової передвищої освіти. Прийом на основі ступенів «молодший бакалавр», «фаховий молодший бакалавр» або освітньо-кваліфікаційного рівня «молодший спеціаліст» здійснюється за результатами зовнішнього незалежного оцінювання в порядку, визначеному законодавством. Не менше 50% обсягу освітньої програми має бути спрямовано на забезпечення загальних та фахових компетентностей за спеціальністю, визначених стандартом вищої освіти. |
| Форма здобуття освіти | Очна (денна), заочна |
| Назва кваліфікації | Освітня кваліфікація – бакалавр з прикладної математики Ступінь вищої освіти – бакалавр Спеціальність – F1 Прикладна математика Галузь знань – F Інформаційні технології Освітня програма – Штучний інтелект та аналіз масивів даних |
| Наявність акредитації | Акредитована Сертифікат про акредитацію № 20756. Рішення НАЗЯВО від 22.04.2026 р. |
| Цикл/рівень | QF-EHEA – перший цикл (бакалавр) EQF-LLL – 6 (для бакалавра) НРК України – 6 рівень (для бакалавра) |
| Передумови | Для здобуття освітнього рівня «Бакалавр» можуть вступати особи, які здобули повну загальну середню освіту чи освітньо-кваліфікаційний рівень «Молодший спеціаліст», «Молодший баклавр», «фаховий молодший бакалавр». |
| Мова(и) викладання | Українська |
| Термін дії освітньої програми | 3 роки 10 місяців |
| Інтернет-адреса постійного розміщення освітньої програми | https://lntu.edu.ua/uk/studentu-0/navchannya/osvitniy-programi |
| Мета/цілі освітньої програми | Метою ОП є підготовка висококваліфікованих фахівців першого (бакалаврського) рівня вищої освіти, які володіють сучасним математичним апаратом та інформаційними технологіями, здатних розв’язувати складні спеціалізовані задачі та практичні проблеми прикладної математики, що пов'язані з проєктуванням, розробкою та застосуванням систем штучного інтелекту, математичним моделюванням та глибинним аналізом масивів великих даних в умовах комплексності та невизначеності. Цілі ОП полягають у забезпеченні здобувачів вищої освіти ґрунтовними теоретичними знаннями та практичними навичками з обчислювальної математики, оптимізації, машинного навчання та обчислювального інтелекту. Як результат навчання здобувачі отримують компетентності, необхідні для ефективного використання мов програмування, побудови адекватних математичних моделей ШІ, вибору моделей машинного навчання та алгоритмів глибинного аналізу даних (зокрема для прогнозування, кластерного аналізу та пошуку асоціативних правил) з метою створення інтелектуальних інформаційних систем для вирішення актуальних прикладних завдань |
| Предметна область (галузь знань, спеціальність, предметна спеціальність або спеціалізація) | Об’єкти вивчення та діяльності: математичні методи, алгоритми, моделі та програмне забезпечення, призначені для розв’язання задач прикладної математики; системи штучного інтелекту; масиви великих даних; процеси машинного навчання та глибинного аналізу даних. Цілі навчання: формування у здобувачів здатності розв’язувати складні спеціалізовані задачі прикладної математики, будувати математичні моделі штучного інтелекту, розробляти на їх основі системи аналізу великих даних, а також ефективно використовувати технології ШІ при розробці інформаційних інтелектуальних систем. Теоретичний зміст: методи математичного моделювання та оптимізації, обчислювальна математика, теорія ймовірностей та математична статистика, основи штучного інтелекту, машинне навчання, нейронні мережі, методи глибинного добування та аналізу великих даних. Методи, методики та технології: числові математичні методи, алгоритми інтелектуального та глибинного аналізу даних (прогнозування, кластерний аналіз, пошук асоціативних правил), технології машинного навчання, технології проєктування та розробки програмного забезпечення для систем штучного інтелекту Інструменти: сучасні мови програмування для аналізу даних та ШІ, системи комп’ютерної математики, фреймворки та бібліотеки машинного навчання, інструменти роботи з масивами великих даних, середовища розробки програмного забезпечення |
| Орієнтація освітньої програми | Освітньо-професійна програма прикладного спрямування. Акцент програми зроблений на формуванні фахівця, здатного практично застосовувати математичний апарат для розв’язання прикладних задач, пов’язаних зі створенням, розгортанням та супроводом систем штучного інтелекту, зокрема для вирішення спеціалізованих практичних задач з накопичення, переробки та глибинного аналізу масивів великих даних |
| Основний фокус освітньої програми | Загальна вища освіта першого (бакалаврського) рівня за спеціальністю F1 «Прикладна математика», що спрямована на застосування методів та засобів прикладної математики до створення сучасного програмного забезпечення. Професійні акценти програми зосереджені на проєктуванні, математичному моделюванні, розробці та супроводі систем штучного інтелекту та аналізу великих даних із використанням методів машинного навчання, нечіткої логіки та алгоритмів глибинного добування даних. Програма формує здатність до вибору адекватних моделей машинного навчання для ефективного вирішення конкретних задач. Перелік ключових слів, що характеризують фокус й орієнтацію ОП: прикладна математика, математичне моделювання, штучний інтелект, аналіз великих даних, машинне навчання, нейронні мережі, глибинний аналіз даних, Big Data |
| Особливості освітньої програми | Освітня програма зі спеціальності F1 Прикладна математика є унікальною (єдиною) у ЛНТУ на бакалаврському рівні вищої освіти. Особливість ОП полягає в тісній інтеграції класичних знань з прикладної математики (числових методів, моделювання, оптимізації) із сучасними перспективними ІТ-напрямами: розробкою систем штучного інтелекту, машинного навчання та аналізу масивів великих даних за допомогою сучасних мов програмування. Освітня програма узгоджується з аналогічними бакалаврськими програмами закладів вищої освіти європейського простору, що забезпечує академічну мобільність здобувачів. Зміст програми адаптовано до актуальних вимог ІТ-галузі та потреб ринку праці у Data Science та розробці ШІ. Освітня програма не має експериментального характеру та реалізується як стандартна освітня програма відповідно до вимог законодавства України у сфері вищої освіти. Практична підготовка здобувачів здійснюється на базі закладу вищої освіти, а також на базі ІТ-компаній, організацій і підприємств, діяльність яких пов’язана з розробкою програмного забезпечення, впровадженням інформаційних інтелектуальних систем, аналітикою та обробкою великих даних |
| Придатність до працевлаштування | Випускники можуть обіймати посади згідно з Національним класифікатором ДК 009:2010: 2121.2 Математик (прикладна математика); 2121.2 Математик-аналітик з дослідження операцій; 2131.2 Інженер зі штучного інтелекту; 2131.2 Інженер з даних; 2131.2 Розробник штучного інтелекту; 2131.2 Аналітик даних; 2131.2 Аналітик бізнесу (інформаційні системи); 3121 Фахівець з інформаційних технологій; 3121 Фахівець з розроблення комп'ютерних програм; 3121 Технік-програміст; 3434 Асистент математика. Випускники освітньої програми підготовлені до роботи в ІТ-компаніях, науково-дослідних установах, аналітичних центрах, технологічних підрозділах підприємств державного і приватного секторів, а також у фінансових та консалтингових організаціях. Професійна діяльність пов’язана з математичним моделюванням складних процесів, інтелектуальним аналізом даних, проєктуванням та впровадженням систем штучного інтелекту, а також аналітичною підтримкою бізнес-процесів. Набуті компетентності забезпечують здатність розв’язувати професійні завдання у сферах Data Science та Machine Learning, виконувати програмну реалізацію математичних моделей і алгоритмів, здійснювати проєктування та супровід спеціалізованих інформаційних систем для обробки даних, а також застосовувати методи прикладної математики для підтримки прийняття управлінських рішень. Кваліфікація дозволяє виконувати роботу, що вимагає глибокої фундаментальної підготовки з прикладної математики |
| Подальше навчання | Можливість навчання за програмою другого (магістерського) рівня вищої освіти. |
| Викладання та навчання | Студентоцентроване, проблемно-орієнтоване та змішане навчання з акцентом на проєктний підхід. Викладання поєднує лекційно-практичні заняття, розробку індивідуальних і командних ІТ-проєктів, самонавчання та визнання результатів неформальної освіти (профільних сертифікатних онлайн-курсів). Викладання дисципліни здійснюється з дотриманням принципів академічної доброчесності відповідно до Закону України «Про академічну доброчесність» № 4742-IX. Особлива увага приділяється формуванню творчих завдань, що стимулюють критичне мислення, уникненню репродуктивних завдань та навчанню академічного письма |
| Оцінювання | Письмові екзамени, есе, проектна робота (зокрема з розробки систем ШІ та аналізу масивів даних), застосування інтерактивних технологій оцінювання (комп'ютерне тестування, публічний захист алгоритмів та програмного коду) тощо. Оцінювання результатів навчання є прозорим і здійснюється з урахуванням дотримання академічної доброчесності. Оцінювання навчальних досягнень студентів здійснюється за національною шкалою (відмінно, добре, задовільно, незадовільно; зараховано, незараховано); 100-бальною шкалою та шкалою ECTS (A, B, C, D, E, FX, F). |
| Набуття здобувачами вищої освіти навичок та компетентностей, спрямованих на досягнення глобальних цілей сталого розвитку до 2030 року, проголошених резолюцією Генеральної Асамблеї Організації Об'єднаних Націй від 25 вересня 2015 року №70/1 | Освітня програма «Штучний інтелект та аналіз масивів даних» пропонує здобувачам вищої освіти освітні компоненти, які сприятимуть формуванню навичок та компетентостей, спрямованих на досягнення глобальних цілей сталого розвитку до 2030 року. Відповідність освітніх компонентів Цілям сталого розвитку відображено у матриці формування навичок та компетентностей, спрямованих на досягнення Цілей сталого розвитку. |
| Кадрове забезпечення | До реалізації програми залучаються науково-педагогічні працівники з науковими ступенями та/або вченими званнями, які мають кваліфікацію, що відповідає вимогам Ліцензійних умов провадження освітньої діяльності в ЗВО, працюють в Університеті за основним місцем роботи, а також висококваліфіковані спеціалісти, представники роботодавців. З метою підвищення фахового рівня всі науково-педагогічні працівники проходять підвищення кваліфікації, зокрема стажування за програмами академічної мобільності |
| Матеріально-технічне забезпечення | Матеріально-технічне забезпечення відповідає ліцензійним вимогам щодо надання освітніх послуг у сфері вищої світи і є достатнім для забезпечення якості освітнього процесу, зокрема: навчальні приміщення; комп’ютерні класи (лабораторії); спеціалізовані лабораторії; спортивний зал, спортивні майданчики; бібліотека, читальний зал; точки бездротового доступу до мережі Інтернет; мультимедійне обладнання; приміщення для науково-педагогічних працівників; гуртожитки; пункти харчування, база відпочинку та ін. |
| Інформаційне та навчально-методичне забезпечення | Інформаційне та навчально-методичне забезпечення відповідає вимогам внутрішніх нормативних документів та вимогам чинного законодавства України, має актуальний змістовий контент, базується на сучасних інформаційно-комунікаційних технологіях та включає: електронний портал ЛНТУ (Е-Портал), до складу якого входять: електронний кабінет студента, кабінет викладача (АС Деканат), електронний освітній портал ЛНТУ – Moodle, репозитарій ЛНТУ, віртуальне навчальне середовище. Офіційний сайт Луцького національного технічного університету: https://lntu.edu.ua/uk Е-Портал: https://lntu.edu.ua/uk/e-portal Електронний освітній портал ЛНТУ: https://mdl.lntu.edu.ua/ Електронна бібліотека ЛНТУ: http://library.lntu.edu.ua/ Інституційний репозитарій ЛНТУ: https://lib.lntu.edu.ua/ |
| Національна кредитна мобільність | Право здобувачів вищої освіти на академічну мобільність в межах навчання за освітньою програмою реалізується відповідно до Положення ЛНТУ. На основі двосторонніх договорів між ЛНТУ та закладами вищої освіти України |
| Міжнародна кредитна мобільність | Відповідно до укладених міжнародних угод про співпрацю, здобувачі вищої освіти мають можливість брати участь у програмах: міжнародної кредитної мобільності, зокрема семестрового навчання в Політехнічному інституті Браганси (Португалія); проходження практики за кордоном; участь у міжнародних програмах і проєктах, зокрема «Еразмус+». |
| Навчання іноземних здобувачів вищої освіти | Відповідно до вимог чинного законодавства на загальних умовах. |
| Академічна доброчесність | академічну доброчесність» № 4742-IX. Академічна доброчесність є складовою внутрішньої системи забезпечення якості освіти. Усі учасники освітнього процесу керуються принципами чесності, довіри, поваги до авторства, справедливості та відповідальності. Порушення академічної доброчесності (плагіат, самоплагіат, фальсифікація, списування, недоброчесне використання штучного інтелекту тощо) тягнуть за собою академічну відповідальність відповідно до Закону України «Про академічну доброчесність» № 4742-IX та внутрішніх нормативних актів |
| Форма атестації здобувачів вищої освіти | Атестація здійснюється у формі публічного захисту кваліфікаційної роботи |
| Вимоги до кваліфікаційної роботи | Кваліфікаційна робота має передбачати розв’язання складного спеціалізованого завдання прикладної математики, що характеризується комплексністю та/або невизначеністю умов, із застосуванням математичних методів та/або програмних засобів. У кваліфікаційній роботі не може бути академічного плагіату, фальсифікації та списування. Кваліфікаційна робота має бути оприлюднена на офіційному сайті закладу вищої освіти чи його підрозділу, в якому виконано роботу, або в репозитарії закладу вищої освіти. Оприлюднення кваліфікаційних робіт, що містять інформацію з обмеженим доступом, здійснювати у відповідності до вимог чинного законодавства |
1.1 Дисципліни загальної підготовки
| Код | Компонент | Кредити | Підсумковий контроль | Семестр | Силабус |
|---|---|---|---|---|---|
| ОК.01 | Лінійна алгебра та теорія чисел | 6 | екзамен | 1 | |
| ОК.02 | Аналітична геометрія | 6 | екзамен | 1 | |
| ОК.03 | Дискретна математика | 6 | екзамен | 1 | |
| ОК.04 | Ділова українська мова та академічне письмо | 4 | залік | 1 | |
| ОК.05 | Математичний аналіз | 6 | екзамен | 2 | |
| ОК.06 | Теорія ймовірності, математична статистика та ймовірнісні процеси | 8 | екзамен | 3 | з 2027/2028 |
| ОК.07 | Соціально-правові студії | 4 | залік | 4 | з 2027/2028 |
| ОК.08 | Іноземна мова | 6 | залік | 1, 2 | |
| ОК.09 | Фізичне виховання | 3 | залік | 3 | з 2027/2028 |
| ОК.10 | Основи економіки та бізнесу | 5 | залік | 5 | з 2028/2029 |
| ОК.11 | Основи наукових досліджень | 5 | екзамен | 6 |
силабус
набір 2023
|
| ОК.12 | Основи національного спротиву / Порятунок і безпека | 5 | залік, диф. залік | 2, 4 | |
| Разом | 64 | ||||
1.2 Дисципліни професійної підготовки
| Код | Компонент | Кредити | Підсумковий контроль | Семестр | Силабус |
|---|---|---|---|---|---|
| ОК.13 | Програмування | 5 | екзамен | 1 | силабус |
| ОК.14 | Python в Data Science | 6 | екзамен | 2 | |
| ОК.15 | Структури даних та алгоритми | 6 | екзамен | 2 | силабус |
| ОК.16 | Штучний інтелект | 6 | екзамен | 2 | |
| ОК.17 | Методи оптимізації та дослідження операцій | 6 | екзамен | 3 | з 2027/2028 |
| ОК.18 | Комплексний аналіз | 3 | екзамен | 3 | з 2027/2028 |
| ОК.19 | Диференціальні рівняння і ДРЧП | 6 | екзамен | 4 | з 2027/2028 |
| ОК.20 | Бази даних | 5 | екзамен | 5 |
силабус
набір 2025
|
| ОК.21 | Теорія прийняття рішень | 3 | екзамен | 4 | з 2027/2028 |
| ОК.22 | Математичне моделювання | 5 | екзамен | 4 | з 2027/2028 |
| ОК.23 | Числові методи | 6 | екзамен | 5 |
силабус
набір 2024
|
| ОК.24 | Системи комп'ютерної математики | 5 | екзамен | 5 | з 2028/2029 |
| ОК.25 | Машинне навчання | 6 | екзамен | 5 |
силабус
набір 2024
|
| ОК.26 | Функціональний аналіз | 3 | екзамен | 5 |
силабус
набір 2024
|
| ОК.27 | Комп'ютерне моделювання | 5 | екзамен | 6 | з 2028/2029 |
| ОК.28 | Симуляційний аналіз інженерних задач | 5 | екзамен | 6 | з 2028/2029 |
| ОК.29 | Нейронні мережі | 5 | екзамен | 6 |
силабус
набір 2024
|
| ОК.30 | Паралельні та розподілені обчислення | 5 | залік | 7 | з 2029/2030 |
| ОК.31 | BigData | 5 | екзамен | 7 | з 2029/2030 |
| ОК.32 | Data mining | 5 | екзамен | 7 | з 2029/2030 |
| Разом | 101 | ||||
2.1 Загальні дисципліни вільного вибору
| Код | Компонент | Кредити | Підсумковий контроль | Семестр | Силабус |
|---|---|---|---|---|---|
| ВК.01 | Загальна вибіркова 1 | 5 | залік | 3 | |
| ВК.02 | Загальна вибіркова 2 | 5 | залік | 3 | |
| ВК.03 | Загальна вибіркова 3 | 5 | залік | 4 | |
| ВК.04 | Загальна вибіркова 4 | 5 | залік | 4 | |
| Разом | 20 | ||||
2.2 Професійні дисципліни вільного вибору
| Код | Компонент | Кредити | Підсумковий контроль | Семестр | Силабус |
|---|---|---|---|---|---|
| ВК.05 | Професійна вибіркова 1 | 5 | залік | 6 | |
| ВК.06 | Професійна вибіркова 2 | 5 | залік | 6 | |
| ВК.07 | Професійна вибіркова 3 | 5 | залік | 7 | |
| ВК.08 | Професійна вибіркова 4 | 5 | залік | 7 | |
| ВК.09 | Професійна вибіркова 5 | 5 | залік | 7 | |
| ВК.10 | Професійна вибіркова 6 | 5 | залік | 8 | |
| ВК.11 | Професійна вибіркова 7 | 5 | залік | 8 | |
| ВК.12 | Професійна вибіркова 8 | 5 | залік | 8 | |
| Разом | 40 | ||||
3 Практична підготовка
| Код | Компонент | Кредити | Підсумковий контроль | Семестр | Силабус |
|---|---|---|---|---|---|
| ОК.33 | Переддипломна практика | 6 | захист з оцінкою | 8 | з 2029/2030 |
| Разом | 6 | ||||
4 Атестація
| Код | Компонент | Кредити | Підсумковий контроль | Семестр | Силабус |
|---|---|---|---|---|---|
| ОК.34 | Підготовка та захист кваліфікаційної роботи | 9 | захист з оцінкою | 8 | не потрібен (атестація) |
| Разом | 9 | ||||
Обов'язкові компоненти: 180 · Вибіркові: 60 · Всього за ОП: 240 кредитів
| 1 семестр | 2 семестр | 3 семестр | 4 семестр | 5 семестр | 6 семестр | 7 семестр | 8 семестр |
|---|---|---|---|---|---|---|---|
|
ОК.01
ОК.13
ОК.02
ОК.03
ОК.04
ОК.08
|
ОК.14
← ОК.13
ОК.15
← ОК.13
ОК.16
← ОК.13
ОК.05
← ОК.01, ОК.02
ОК.08
ОК.12
← ОК.09 |
ВК.01
ВК.02
ОК.17
← ОК.01, ОК.03, ОК.05
ОК.06
← ОК.01, ОК.05
ОК.18
← ОК.05
ОК.09
|
ВК.03
ВК.04
ОК.07
← ОК.04
ОК.19
← ОК.05
ОК.21
← ОК.03, ОК.05, ОК.17, ОК.06
ОК.22
← ОК.01, ОК.02, ОК.03, ОК.05, ОК.06
ОК.12
← ОК.09 |
ОК.20
← ОК.13, ОК.03, ОК.15
ОК.10
← ОК.07
ОК.23
← ОК.01, ОК.05
ОК.24
← ОК.05
ОК.25
← ОК.01, ОК.13, ОК.14, ОК.05, ОК.06
ОК.26
← ОК.01, ОК.05, ОК.18 |
ВК.05
ВК.06
ОК.11
← ОК.04, ОК.08
ОК.27
← ОК.13, ОК.17, ОК.19, ОК.22, ОК.23
ОК.28
← ОК.22, ОК.24
ОК.29
← ОК.01, ОК.14, ОК.05, ОК.25 |
ВК.07
ВК.08
ВК.09
ОК.30
← ОК.13, ОК.15
ОК.31
← ОК.13, ОК.15, ОК.06, ОК.20, ОК.25, ОК.29
ОК.32
← ОК.01, ОК.13, ОК.06, ОК.25 |
ОК.33
← ОК.22, ОК.25, ОК.29, ОК.30, ОК.31, ОК.32
ОК.34
← ОК.21, ОК.22, ОК.11, ОК.25, ОК.27, ОК.28, ОК.29, ОК.31, ОК.32
ВК.10
ВК.11
ВК.12
|