SlideShare a Scribd company logo

UCU Apps Presentation 2020

•
•
Ukrainian Catholic University
Ukrainian Catholic University

Презентація Факультету прикладних наук УКУ про можливості щодо навчання, унікальність та інноваційність програм "Комп'ютерні науки" і "ІТ та бізнес-аналітика"

1 of 31
Download to read offline
НАШІ БАКАЛАВРСЬКІ ПРОГРАМИ APPS APPS = APPlied Sciences Faculty
НАШІ БАКАЛАВРСЬКІ ПРОГРАМИ Програма з комп’ютерних наук (спеціальність 122 комп’ютерні науки та інформаційні технології) в першу чергу орієнтована на технічну/інженерну складову і передбачає можливості концентруватись в напрямках штучного інтелекту, програмної інженерії та людино- машинної взаємодії.
НАШІ БАКАЛАВРСЬКІ ПРОГРАМИ Програма інформаційні технології та бізнес- аналітика (спеціальність 124 системний аналіз) орієнтована на застосування прикладних інформаційних технологій до потреб сучасного бізнесу, зокрема щодо аналітики даних, бізнес- процесів та їх автоматизації.
ПОЄДНАННЯ ПРОГРАМ КОМП’Ю- ТЕРНІ НАУКИ 24% кредитів є з напрямку прикладної економіки та бізнесу Під час перших 2 років навчання 83% дисциплін співпадають 22% кредитів є з напрямку Світоглядного ядра та вивчення англійської мови 54% кредитів є з напрямку фундаментальної підготовки та комп’ютерних наук ІT ТА БІЗНЕС- АНАЛІТИКА
ПОЄДНАННЯ ПРОГРАМ перший курс https://apps.ucu.edu.ua/courses-ba/https://apps.ucu.edu.ua/courses-cs/
ПОЄДНАННЯ ПРОГРАМ другий курс https://apps.ucu.edu.ua/courses-ba/https://apps.ucu.edu.ua/courses-cs/
ПОЄДНАННЯ ПРОГРАМ третій курс https://apps.ucu.edu.ua/courses-ba/https://apps.ucu.edu.ua/courses-cs/
Найсильніші студенти Професійна команда Партнерські компанії Практично-орієнтоване навчання ФОРМУЛА APPS =
Найсильніші студенти
Найсильніші студенти
Професійна команда
За рейтингом вишів DOU 2019 наші ІТ програми зайняли 1 місце в Україні поділивши його з НАУКМА Найкращі ІТ програми
КОМПАНІЇ – ПАРТНЕРИ Стратегічні партнери факультету: Партнери факультету:
8 СЕМЕСТРІВ (4 НАВЧАЛЬНІ РОКИ) ВИКЛАДАННЯ АНГЛІЙСЬКОЮ МОВОЮ АУДИТОРНЕ 34% 66% РЕГУЛЯРНІ ЗУСТРІЧІ З ПРАКТИКАМИ ТА ВІЗИТИ ІТ-КОМПАНІЙ НАВЧАННЯ ЩОТИЖНЕВІ ІНДИВІДУАЛЬНІ КОНСУЛЬТАЦІЇ З ВИКЛАДАЧАМИ / ПОРАДНИКАМИ Англомовна школа Літні/зимові школи Практика+ проект+диплом НАВЧАЛЬНИЙ ПРОЦЕС Перший проект з програмування Досвід роботи над реальними проектами ПОЗААУДИТОРНЕ-САМОСТІЙНЕ НАВЧАННЯ ПРОЕКТНЕ НАВЧАННЯ, КЛУБИ, ВОЛОНТЕРСТВО, СТАЖУВАННЯ СВІТОГЛЯДЕН ЯДРО
APPS У 2017-19 РОКАХ
APPS У 2017-19 РОКАХ
Наші студенти перемогли у П’ЯТИ та зайняли друге місце у ДВОХ хакатонах, ДВІ команди зайняли високі місця в загальноукраїнській олімпіаді з алгоритмічного програмування Студенти є активними у соціальному підприємництві, Будуй Україну Разом, роботі з дітьми, проведенні різноманітних курсів та подій Влітку 2019 року 15 студентів були на стажуваннях закордоном, зокрема у Czech Technical University, Tartu University, Ecole Polytechnic (INRIA, France), Google (London), Siemens (Germany), Scotia Bank (Canada). Також понад 15 студентів пройшли літні школи закордоном. У 2018-19 РОЦІ 100% випускників бакалаврату з комп’ютерних наук отримали роботу або продовжили навчання на магістерських програмах. Більше половини випускників працюють в R&D на дослідницьких позиціях.
CARDIO VISION - переможці MICROSOFT AI FOR GOOD IDEA CHALLENGE 2019
Студенти першого курсу - переможці Microsoft - The next AI Guardian 2019
ALLEZ FENCING ASSISTANT - серед переможців Microsoft 2020 Imagine Cup EMEA
ЩО ДАЛІ? ПІСЛЯ ЗАКІНЧЕННЯ ПРОГРАМИ ІТ аутсорсинг/ продуктова компанія / бізнес консалтинг Власні проекти Академічна сфера Програміст, менеджер проекту, бізнес-аналітик, системний адміністратор, аналітик даних, менеджер інформаційних систем, дата саєнтист, embedded роз-робник, ІоТ та Robotics розробник Магістерська програма в Україні та закордоном Достатні компетенції для реалізації власних ідей, стартапів
Відкриття Лабораторії Машинного Навчання Активне залучення студентів до дослідницької роботи Розширення магістерської програми з наук про дані у бізнес аналітику Збільшення кількості вибіркових курсів, зокрема у форматі дуальної освіти Більше залучення студентів до внутрішніх ІТ проектів УКУ ЩО МИ робимо НОВОГО
Хочете вчитись на факультеті?
Навчається близько 60 годин тиждень = 10 годин в день Багатозадачність та відповідальність його/її не лякає Має високий рівень вмотивованості та етичних стандартів Готовийа жертвувати свій час допомагаючи іншим Успішнийа студентка APPS Бажає Великого!
За два тижні до оголошення карантину ми почали технічно готуватись до такої можливості Практично жодне заняття не було пропущено через запровадження карантину – ми легко перейшли в онлайн Згідно опитування студентів 100% курсів 1го, 3го та 4го року відбуваються в онлайн режимі, 91% курсів 2го року (9% курсів – в режимі самостійного навчання) Ми першими в Україні отримали та запровадили безкоштовне навчання на Coursera для наших студентів та працівників APPS.UCU в час карантину Додатково до навчання, студенти є активні в різноманітних ініціативах, як от уроки для школярів, APPS Camp On-line, дослідницька робота
ВСТУПНИЙ ПРОЦЕС БАЗОВИЙ СЦЕНАРІЙ березень квітень травень червень липень серпень вересень Стипендійний конкурс ЗНО ЗарахуванняПодача заявки на вступ Вступна кампанія, важливі дати – https://vstup.ucu.edu.ua/bakalavrat/vazhlyvi-daty/ Орієнтація, навчання
ВСТУПНИЙ ПРОЦЕС РЕАЛІСТИЧНИЙ СЦЕНАРІЙ березень квітень травень червень липень серпень вересень жовтень листопад Стипендійний конкурс ЗНО ЗарахуванняПодача заявки на вступ Вступна кампанія, важливі дати – https://vstup.ucu.edu.ua/bakalavrat/vazhlyvi-daty/ Орієнтація, навчання Ми плануємо почати навчальний рік 14 вересня
СТИПЕНДІЙНИЙ КОНКУРС березень квітень травень червень липень серпень вересень Стипендійний конкурс Соціально-академічна – 100%, 100%, 50%, 50% До 10 Від 5 Стипендії на навчання Перший етап конкурсу Другий етап конкурсу, День відкритих дверей ? Співбесіди, Листи стипендіатам Вступна кампанія, важливі дати – vstup.ucu.edu.ua/bakalavrat/vazhlyvi-daty/ Орієнтація, навчання Стипендії Річна від ІТ компаній – 100%, 100%, 50%, 50% Стипендія Рейтингова -30% до 25 Детально про Стипендійний конкурс – https://vstup.ucu.edu.ua/bakalavrat/otrymaty-stypendiyu/
СТИПЕНДІЙНІ МОЖЛИВОСТІ І курс ІІ курс Детально про Стипендійний конкурс – https://apps.ucu.edu.ua/faculty/study/otrymaty-stypendiyu/ ІІІ курс Соціально- академічна Асистент викладача Соціально- академічна Мотиваційна Річна від компанії Рейтингова Соціальна Безпроцентна позика Соціальна Мотиваційна Асистент викладача Асистент дослідник Соціальна Мотиваційна Асистент викладача Асистент дослідник Соціальна IV курс Безпроцентна позика Безпроцентна позика Соціально- академічна Соціально- академічна Річна від компанії Річна від компанії Річна від компанії
ЧЕКАЄМО ВАС В УКУ!

Recommended

Visualization of Deep Learning
Visualization of Deep LearningVisualization of Deep Learning
Visualization of Deep Learning
YaminiAlapati1
 
Conditional Image Generation with PixelCNN Decoders
Conditional Image Generation with PixelCNN DecodersConditional Image Generation with PixelCNN Decoders
Conditional Image Generation with PixelCNN Decoders
suga93
 
Hands on machine learning with scikit-learn and tensor flow by ahmed yousry
Hands on machine learning with scikit-learn and tensor flow by ahmed yousryHands on machine learning with scikit-learn and tensor flow by ahmed yousry
Hands on machine learning with scikit-learn and tensor flow by ahmed yousry
Ahmed Yousry
 
Unsupervised learning (clustering)
Unsupervised learning (clustering)Unsupervised learning (clustering)
Unsupervised learning (clustering)
Pravinkumar Landge
 
Introduction to Grad-CAM (complete version)
Introduction to Grad-CAM (complete version)Introduction to Grad-CAM (complete version)
Introduction to Grad-CAM (complete version)
Hsing-chuan Hsieh
 
Resnet.pptx
Resnet.pptxResnet.pptx
Resnet.pptx
YanhuaSi
 
Deep Learning for Graphs
Deep Learning for GraphsDeep Learning for Graphs
Deep Learning for Graphs
DeepLearningBlr
 
KEDA Overview
KEDA OverviewKEDA Overview
KEDA Overview
Jeff Hollan
 

Recommended

Visualization of Deep Learning
Visualization of Deep LearningVisualization of Deep Learning
Visualization of Deep Learning
YaminiAlapati1
 
Conditional Image Generation with PixelCNN Decoders
Conditional Image Generation with PixelCNN DecodersConditional Image Generation with PixelCNN Decoders
Conditional Image Generation with PixelCNN Decoders
suga93
 
Hands on machine learning with scikit-learn and tensor flow by ahmed yousry
Hands on machine learning with scikit-learn and tensor flow by ahmed yousryHands on machine learning with scikit-learn and tensor flow by ahmed yousry
Hands on machine learning with scikit-learn and tensor flow by ahmed yousry
Ahmed Yousry
 
Unsupervised learning (clustering)
Unsupervised learning (clustering)Unsupervised learning (clustering)
Unsupervised learning (clustering)
Pravinkumar Landge
 
Introduction to Grad-CAM (complete version)
Introduction to Grad-CAM (complete version)Introduction to Grad-CAM (complete version)
Introduction to Grad-CAM (complete version)
Hsing-chuan Hsieh
 
Resnet.pptx
Resnet.pptxResnet.pptx
Resnet.pptx
YanhuaSi
 
Deep Learning for Graphs
Deep Learning for GraphsDeep Learning for Graphs
Deep Learning for Graphs
DeepLearningBlr
 
KEDA Overview
KEDA OverviewKEDA Overview
KEDA Overview
Jeff Hollan
 
ViT (Vision Transformer) Review [CDM]
ViT (Vision Transformer) Review [CDM]ViT (Vision Transformer) Review [CDM]
ViT (Vision Transformer) Review [CDM]
Dongmin Choi
 
K Nearest Neighbor Presentation
K Nearest Neighbor PresentationK Nearest Neighbor Presentation
K Nearest Neighbor Presentation
Dessy Amirudin
 
Convolutional Neural Network (CNN) presentation from theory to code in Theano
Convolutional Neural Network (CNN) presentation from theory to code in TheanoConvolutional Neural Network (CNN) presentation from theory to code in Theano
Convolutional Neural Network (CNN) presentation from theory to code in Theano
Seongwon Hwang
 
K means and dbscan
K means and dbscanK means and dbscan
K means and dbscan
Yan Xu
 
Research Trends in Editing image using GAN (TAGAN, Editable GAN)
Research Trends in Editing image using GAN (TAGAN, Editable GAN)Research Trends in Editing image using GAN (TAGAN, Editable GAN)
Research Trends in Editing image using GAN (TAGAN, Editable GAN)
DaeJin Kim
 
Relational knowledge distillation
Relational knowledge distillationRelational knowledge distillation
Relational knowledge distillation
NAVER Engineering
 
Dbscan
DbscanDbscan
Dbscan
RohitPaul52
 
Neural Networks Basics
Neural Networks BasicsNeural Networks Basics
Neural Networks Basics
ElifTech
 
Neural Radiance Field
Neural Radiance FieldNeural Radiance Field
Neural Radiance Field
Dong Heon Cho
 
Support Vector Machines ( SVM )
Support Vector Machines ( SVM ) Support Vector Machines ( SVM )
Support Vector Machines ( SVM )
Mohammad Junaid Khan
 
Deep Learning - RNN and CNN
Deep Learning - RNN and CNNDeep Learning - RNN and CNN
Deep Learning - RNN and CNN
Pradnya Saval
 
Intro to Deep Learning for Question Answering
Intro to Deep Learning for Question AnsweringIntro to Deep Learning for Question Answering
Intro to Deep Learning for Question Answering
Traian Rebedea
 
Introduction to CNN
Introduction to CNNIntroduction to CNN
Introduction to CNN
Shuai Zhang
 
Classification of Breast Masses Using Convolutional Neural Network as Feature...
Classification of Breast Masses Using Convolutional Neural Network as Feature...Classification of Breast Masses Using Convolutional Neural Network as Feature...
Classification of Breast Masses Using Convolutional Neural Network as Feature...
Pinaki Ranjan Sarkar
 
Unsupervised learning: Clustering
Unsupervised learning: ClusteringUnsupervised learning: Clustering
Unsupervised learning: Clustering
Deepak George
 
[Paper] Multiscale Vision Transformers(MVit)
[Paper] Multiscale Vision Transformers(MVit)[Paper] Multiscale Vision Transformers(MVit)
[Paper] Multiscale Vision Transformers(MVit)
Susang Kim
 
Intro to deep learning
Intro to deep learning Intro to deep learning
Intro to deep learning
David Voyles
 
Cloud Native Apps
Cloud Native AppsCloud Native Apps
Cloud Native Apps
David Chou
 
Autoencoder
AutoencoderAutoencoder
Autoencoder
HARISH R
 
Image-to-Image Translation with Conditional Adversarial Nets (UPC Reading Group)
Image-to-Image Translation with Conditional Adversarial Nets (UPC Reading Group)Image-to-Image Translation with Conditional Adversarial Nets (UPC Reading Group)
Image-to-Image Translation with Conditional Adversarial Nets (UPC Reading Group)
Universitat Politècnica de Catalunya
 
Ucu apps cs_ba_presentation_march2019
Ucu apps cs_ba_presentation_march2019Ucu apps cs_ba_presentation_march2019
Ucu apps cs_ba_presentation_march2019
Ukrainian Catholic University
 
Faculty of Applied Sciences UCU
Faculty of Applied Sciences UCUFaculty of Applied Sciences UCU
Faculty of Applied Sciences UCU
Ukrainian Catholic University
 

More Related Content

What's hot

ViT (Vision Transformer) Review [CDM]
ViT (Vision Transformer) Review [CDM]ViT (Vision Transformer) Review [CDM]
ViT (Vision Transformer) Review [CDM]
Dongmin Choi
 
K Nearest Neighbor Presentation
K Nearest Neighbor PresentationK Nearest Neighbor Presentation
K Nearest Neighbor Presentation
Dessy Amirudin
 
Convolutional Neural Network (CNN) presentation from theory to code in Theano
Convolutional Neural Network (CNN) presentation from theory to code in TheanoConvolutional Neural Network (CNN) presentation from theory to code in Theano
Convolutional Neural Network (CNN) presentation from theory to code in Theano
Seongwon Hwang
 
K means and dbscan
K means and dbscanK means and dbscan
K means and dbscan
Yan Xu
 
Research Trends in Editing image using GAN (TAGAN, Editable GAN)
Research Trends in Editing image using GAN (TAGAN, Editable GAN)Research Trends in Editing image using GAN (TAGAN, Editable GAN)
Research Trends in Editing image using GAN (TAGAN, Editable GAN)
DaeJin Kim
 
Relational knowledge distillation
Relational knowledge distillationRelational knowledge distillation
Relational knowledge distillation
NAVER Engineering
 
Dbscan
DbscanDbscan
Dbscan
RohitPaul52
 
Neural Networks Basics
Neural Networks BasicsNeural Networks Basics
Neural Networks Basics
ElifTech
 
Neural Radiance Field
Neural Radiance FieldNeural Radiance Field
Neural Radiance Field
Dong Heon Cho
 
Support Vector Machines ( SVM )
Support Vector Machines ( SVM ) Support Vector Machines ( SVM )
Support Vector Machines ( SVM )
Mohammad Junaid Khan
 
Deep Learning - RNN and CNN
Deep Learning - RNN and CNNDeep Learning - RNN and CNN
Deep Learning - RNN and CNN
Pradnya Saval
 
Intro to Deep Learning for Question Answering
Intro to Deep Learning for Question AnsweringIntro to Deep Learning for Question Answering
Intro to Deep Learning for Question Answering
Traian Rebedea
 
Introduction to CNN
Introduction to CNNIntroduction to CNN
Introduction to CNN
Shuai Zhang
 
Classification of Breast Masses Using Convolutional Neural Network as Feature...
Classification of Breast Masses Using Convolutional Neural Network as Feature...Classification of Breast Masses Using Convolutional Neural Network as Feature...
Classification of Breast Masses Using Convolutional Neural Network as Feature...
Pinaki Ranjan Sarkar
 
Unsupervised learning: Clustering
Unsupervised learning: ClusteringUnsupervised learning: Clustering
Unsupervised learning: Clustering
Deepak George
 
[Paper] Multiscale Vision Transformers(MVit)
[Paper] Multiscale Vision Transformers(MVit)[Paper] Multiscale Vision Transformers(MVit)
[Paper] Multiscale Vision Transformers(MVit)
Susang Kim
 
Intro to deep learning
Intro to deep learning Intro to deep learning
Intro to deep learning
David Voyles
 
Cloud Native Apps
Cloud Native AppsCloud Native Apps
Cloud Native Apps
David Chou
 
Autoencoder
AutoencoderAutoencoder
Autoencoder
HARISH R
 
Image-to-Image Translation with Conditional Adversarial Nets (UPC Reading Group)
Image-to-Image Translation with Conditional Adversarial Nets (UPC Reading Group)Image-to-Image Translation with Conditional Adversarial Nets (UPC Reading Group)
Image-to-Image Translation with Conditional Adversarial Nets (UPC Reading Group)
Universitat Politècnica de Catalunya
 

What's hot (20)

ViT (Vision Transformer) Review [CDM]
ViT (Vision Transformer) Review [CDM]ViT (Vision Transformer) Review [CDM]
ViT (Vision Transformer) Review [CDM]
 
K Nearest Neighbor Presentation
K Nearest Neighbor PresentationK Nearest Neighbor Presentation
K Nearest Neighbor Presentation
 
Convolutional Neural Network (CNN) presentation from theory to code in Theano
Convolutional Neural Network (CNN) presentation from theory to code in TheanoConvolutional Neural Network (CNN) presentation from theory to code in Theano
Convolutional Neural Network (CNN) presentation from theory to code in Theano
 
K means and dbscan
K means and dbscanK means and dbscan
K means and dbscan
 
Research Trends in Editing image using GAN (TAGAN, Editable GAN)
Research Trends in Editing image using GAN (TAGAN, Editable GAN)Research Trends in Editing image using GAN (TAGAN, Editable GAN)
Research Trends in Editing image using GAN (TAGAN, Editable GAN)
 
Relational knowledge distillation
Relational knowledge distillationRelational knowledge distillation
Relational knowledge distillation
 
Dbscan
DbscanDbscan
Dbscan
 
Neural Networks Basics
Neural Networks BasicsNeural Networks Basics
Neural Networks Basics
 
Neural Radiance Field
Neural Radiance FieldNeural Radiance Field
Neural Radiance Field
 
Support Vector Machines ( SVM )
Support Vector Machines ( SVM ) Support Vector Machines ( SVM )
Support Vector Machines ( SVM )
 
Deep Learning - RNN and CNN
Deep Learning - RNN and CNNDeep Learning - RNN and CNN
Deep Learning - RNN and CNN
 
Intro to Deep Learning for Question Answering
Intro to Deep Learning for Question AnsweringIntro to Deep Learning for Question Answering
Intro to Deep Learning for Question Answering
 
Introduction to CNN
Introduction to CNNIntroduction to CNN
Introduction to CNN
 
Classification of Breast Masses Using Convolutional Neural Network as Feature...
Classification of Breast Masses Using Convolutional Neural Network as Feature...Classification of Breast Masses Using Convolutional Neural Network as Feature...
Classification of Breast Masses Using Convolutional Neural Network as Feature...
 
Unsupervised learning: Clustering
Unsupervised learning: ClusteringUnsupervised learning: Clustering
Unsupervised learning: Clustering
 
[Paper] Multiscale Vision Transformers(MVit)
[Paper] Multiscale Vision Transformers(MVit)[Paper] Multiscale Vision Transformers(MVit)
[Paper] Multiscale Vision Transformers(MVit)
 
Intro to deep learning
Intro to deep learning Intro to deep learning
Intro to deep learning
 
Cloud Native Apps
Cloud Native AppsCloud Native Apps
Cloud Native Apps
 
Autoencoder
AutoencoderAutoencoder
Autoencoder
 
Image-to-Image Translation with Conditional Adversarial Nets (UPC Reading Group)
Image-to-Image Translation with Conditional Adversarial Nets (UPC Reading Group)Image-to-Image Translation with Conditional Adversarial Nets (UPC Reading Group)
Image-to-Image Translation with Conditional Adversarial Nets (UPC Reading Group)
 

Similar to UCU Apps Presentation 2020

Ucu apps cs_ba_presentation_march2019
Ucu apps cs_ba_presentation_march2019Ucu apps cs_ba_presentation_march2019
Ucu apps cs_ba_presentation_march2019
Ukrainian Catholic University
 
Faculty of Applied Sciences UCU
Faculty of Applied Sciences UCUFaculty of Applied Sciences UCU
Faculty of Applied Sciences UCU
Ukrainian Catholic University
 
Вебінар-презентація магістерської програми «Науки про дані», 24.03.2020
Вебінар-презентація магістерської програми «Науки про дані», 24.03.2020Вебінар-презентація магістерської програми «Науки про дані», 24.03.2020
Вебінар-презентація магістерської програми «Науки про дані», 24.03.2020
Oleksii Molchanovskyi
 
Гринькевич Ольга Степанівна
Гринькевич Ольга СтепанівнаГринькевич Ольга Степанівна
Гринькевич Ольга Степанівна
International Fund of Educational Policy Research
 
Магістерська програма з комп’ютерних наук «Науки про дані» 2020
Магістерська програма з комп’ютерних наук «Науки про дані» 2020Магістерська програма з комп’ютерних наук «Науки про дані» 2020
Магістерська програма з комп’ютерних наук «Науки про дані» 2020
Oleksii Molchanovskyi
 
Prezentation cssa fitis_01_02_2021
Prezentation cssa fitis_01_02_2021Prezentation cssa fitis_01_02_2021
Prezentation cssa fitis_01_02_2021
Юрий Триус
 
Комп'ютерні науки
Комп'ютерні наукиКомп'ютерні науки
Комп'ютерні науки
fetkdavt
 
National Standard for master Education
National Standard for master EducationNational Standard for master Education
National Standard for master Education
ihorlt
 
Open World
Open WorldOpen World
Open World
savitoleg
 
BIONIC University
BIONIC University BIONIC University
BIONIC University
BIONIC_Hill
 
Ставлення молоді до Індустрії 4.0
Ставлення молоді до Індустрії 4.0Ставлення молоді до Індустрії 4.0
Ставлення молоді до Індустрії 4.0
APPAU_Ukraine
 
newspartnerstvo
newspartnerstvonewspartnerstvo
newspartnerstvotank1975
 
шпилева.формування професійних компетентностей 1 копия
шпилева.формування професійних компетентностей 1 копияшпилева.формування професійних компетентностей 1 копия
шпилева.формування професійних компетентностей 1 копия
Алексей Тимошенко
 
WORK4CE - нові навчальні програми І4.0 в Запоріжжі
WORK4CE - нові навчальні програми І4.0 в ЗапоріжжіWORK4CE - нові навчальні програми І4.0 в Запоріжжі
WORK4CE - нові навчальні програми І4.0 в Запоріжжі
APPAU_Ukraine
 
Lr2-3_2.1-anisenko
Lr2-3_2.1-anisenkoLr2-3_2.1-anisenko
Lr2-3_2.1-anisenko
Alina Anisenko
 
Факультет инновационной экономики и кибернетики
Факультет инновационной экономики и кибернетикиФакультет инновационной экономики и кибернетики
Факультет инновационной экономики и кибернетикиНаталья Калиненко
 
Digital
DigitalDigital
Digital
YanchukRoman
 
Як вступити на бюджет 2023
Як вступити на бюджет 2023Як вступити на бюджет 2023
Як вступити на бюджет 2023
igritb
 

Similar to UCU Apps Presentation 2020 (20)

Ucu apps cs_ba_presentation_march2019
Ucu apps cs_ba_presentation_march2019Ucu apps cs_ba_presentation_march2019
Ucu apps cs_ba_presentation_march2019
 
Faculty of Applied Sciences UCU
Faculty of Applied Sciences UCUFaculty of Applied Sciences UCU
Faculty of Applied Sciences UCU
 
Вебінар-презентація магістерської програми «Науки про дані», 24.03.2020
Вебінар-презентація магістерської програми «Науки про дані», 24.03.2020Вебінар-презентація магістерської програми «Науки про дані», 24.03.2020
Вебінар-презентація магістерської програми «Науки про дані», 24.03.2020
 
Гринькевич Ольга Степанівна
Гринькевич Ольга СтепанівнаГринькевич Ольга Степанівна
Гринькевич Ольга Степанівна
 
Магістерська програма з комп’ютерних наук «Науки про дані» 2020
Магістерська програма з комп’ютерних наук «Науки про дані» 2020Магістерська програма з комп’ютерних наук «Науки про дані» 2020
Магістерська програма з комп’ютерних наук «Науки про дані» 2020
 
Prezentation cssa fitis_01_02_2021
Prezentation cssa fitis_01_02_2021Prezentation cssa fitis_01_02_2021
Prezentation cssa fitis_01_02_2021
 
Комп'ютерні науки
Комп'ютерні наукиКомп'ютерні науки
Комп'ютерні науки
 
National Standard for master Education
National Standard for master EducationNational Standard for master Education
National Standard for master Education
 
Open World
Open WorldOpen World
Open World
 
BIONIC University
BIONIC University BIONIC University
BIONIC University
 
Ставлення молоді до Індустрії 4.0
Ставлення молоді до Індустрії 4.0Ставлення молоді до Індустрії 4.0
Ставлення молоді до Індустрії 4.0
 
newspartnerstvo
newspartnerstvonewspartnerstvo
newspartnerstvo
 
шпилева.формування професійних компетентностей 1 копия
шпилева.формування професійних компетентностей 1 копияшпилева.формування професійних компетентностей 1 копия
шпилева.формування професійних компетентностей 1 копия
 
WORK4CE - нові навчальні програми І4.0 в Запоріжжі
WORK4CE - нові навчальні програми І4.0 в ЗапоріжжіWORK4CE - нові навчальні програми І4.0 в Запоріжжі
WORK4CE - нові навчальні програми І4.0 в Запоріжжі
 
Lr2-3_2.1-anisenko
Lr2-3_2.1-anisenkoLr2-3_2.1-anisenko
Lr2-3_2.1-anisenko
 
Факультет инновационной экономики и кибернетики
Факультет инновационной экономики и кибернетикиФакультет инновационной экономики и кибернетики
Факультет инновационной экономики и кибернетики
 
Komp
KompKomp
Komp
 
Komp-nauku123
Komp-nauku123Komp-nauku123
Komp-nauku123
 
Digital
DigitalDigital
Digital
 
Як вступити на бюджет 2023
Як вступити на бюджет 2023Як вступити на бюджет 2023
Як вступити на бюджет 2023
 

Recently uploaded

KUDRIAVTSEVA_Olha_PORTFOLIO_librarian.pdf
KUDRIAVTSEVA_Olha_PORTFOLIO_librarian.pdfKUDRIAVTSEVA_Olha_PORTFOLIO_librarian.pdf
KUDRIAVTSEVA_Olha_PORTFOLIO_librarian.pdf
Olga Kudriavtseva
 
Підсумки, перспективи роботи профспільнот педагогів ЗДО (2).pdf
Підсумки, перспективи роботи профспільнот педагогів ЗДО (2).pdfПідсумки, перспективи роботи профспільнот педагогів ЗДО (2).pdf
Підсумки, перспективи роботи профспільнот педагогів ЗДО (2).pdf
ssuser7541ef1
 
29.05.2024.docx29.05.2024.docx29.05.2024.docx
29.05.2024.docx29.05.2024.docx29.05.2024.docx29.05.2024.docx29.05.2024.docx29.05.2024.docx
29.05.2024.docx29.05.2024.docx29.05.2024.docx
Репетитор Історія України
 
«Слова і кулі». Письменники, що захищають Україну. Єлизавета Жарікова
«Слова і кулі». Письменники, що захищають Україну. Єлизавета Жарікова«Слова і кулі». Письменники, що захищають Україну. Єлизавета Жарікова
«Слова і кулі». Письменники, що захищають Україну. Єлизавета Жарікова
estet13
 
Віртуальна виставка «Допомога НАТО Україні»
Віртуальна виставка «Допомога НАТО Україні»Віртуальна виставка «Допомога НАТО Україні»
Віртуальна виставка «Допомога НАТО Україні»
Vinnytsia Regional Universal Scientific Library named after Valentin Otamanovsky
 
Главлит_2_0_Книжкова_цензура_в_Росії.pdf
Главлит_2_0_Книжкова_цензура_в_Росії.pdfГлавлит_2_0_Книжкова_цензура_в_Росії.pdf
Главлит_2_0_Книжкова_цензура_в_Росії.pdf
olaola5673
 
Важливість впровадження стандарту ISO/IEC 17025:2019 у процес державних випро...
Важливість впровадження стандарту ISO/IEC 17025:2019 у процес державних випро...Важливість впровадження стандарту ISO/IEC 17025:2019 у процес державних випро...
Важливість впровадження стандарту ISO/IEC 17025:2019 у процес державних випро...
tetiana1958
 
POPOVICH_Nina_PORTFOLIO_librarianCRE.pdf
POPOVICH_Nina_PORTFOLIO_librarianCRE.pdfPOPOVICH_Nina_PORTFOLIO_librarianCRE.pdf
POPOVICH_Nina_PORTFOLIO_librarianCRE.pdf
Olga Kudriavtseva
 
LOBANOVA_Tetiana_PORTFOLIO_Librarian.pdf
LOBANOVA_Tetiana_PORTFOLIO_Librarian.pdfLOBANOVA_Tetiana_PORTFOLIO_Librarian.pdf
LOBANOVA_Tetiana_PORTFOLIO_Librarian.pdf
Olga Kudriavtseva
 
Основи_історичної_просвіти_—_для_перекладу.pdf
Основи_історичної_просвіти_—_для_перекладу.pdfОснови_історичної_просвіти_—_для_перекладу.pdf
Основи_історичної_просвіти_—_для_перекладу.pdf
olaola5673
 

Recently uploaded (10)

KUDRIAVTSEVA_Olha_PORTFOLIO_librarian.pdf
KUDRIAVTSEVA_Olha_PORTFOLIO_librarian.pdfKUDRIAVTSEVA_Olha_PORTFOLIO_librarian.pdf
KUDRIAVTSEVA_Olha_PORTFOLIO_librarian.pdf
 
Підсумки, перспективи роботи профспільнот педагогів ЗДО (2).pdf
Підсумки, перспективи роботи профспільнот педагогів ЗДО (2).pdfПідсумки, перспективи роботи профспільнот педагогів ЗДО (2).pdf
Підсумки, перспективи роботи профспільнот педагогів ЗДО (2).pdf
 
29.05.2024.docx29.05.2024.docx29.05.2024.docx
29.05.2024.docx29.05.2024.docx29.05.2024.docx29.05.2024.docx29.05.2024.docx29.05.2024.docx
29.05.2024.docx29.05.2024.docx29.05.2024.docx
 
«Слова і кулі». Письменники, що захищають Україну. Єлизавета Жарікова
«Слова і кулі». Письменники, що захищають Україну. Єлизавета Жарікова«Слова і кулі». Письменники, що захищають Україну. Єлизавета Жарікова
«Слова і кулі». Письменники, що захищають Україну. Єлизавета Жарікова
 
Віртуальна виставка «Допомога НАТО Україні»
Віртуальна виставка «Допомога НАТО Україні»Віртуальна виставка «Допомога НАТО Україні»
Віртуальна виставка «Допомога НАТО Україні»
 
Главлит_2_0_Книжкова_цензура_в_Росії.pdf
Главлит_2_0_Книжкова_цензура_в_Росії.pdfГлавлит_2_0_Книжкова_цензура_в_Росії.pdf
Главлит_2_0_Книжкова_цензура_в_Росії.pdf
 
Важливість впровадження стандарту ISO/IEC 17025:2019 у процес державних випро...
Важливість впровадження стандарту ISO/IEC 17025:2019 у процес державних випро...Важливість впровадження стандарту ISO/IEC 17025:2019 у процес державних випро...
Важливість впровадження стандарту ISO/IEC 17025:2019 у процес державних випро...
 
POPOVICH_Nina_PORTFOLIO_librarianCRE.pdf
POPOVICH_Nina_PORTFOLIO_librarianCRE.pdfPOPOVICH_Nina_PORTFOLIO_librarianCRE.pdf
POPOVICH_Nina_PORTFOLIO_librarianCRE.pdf
 
LOBANOVA_Tetiana_PORTFOLIO_Librarian.pdf
LOBANOVA_Tetiana_PORTFOLIO_Librarian.pdfLOBANOVA_Tetiana_PORTFOLIO_Librarian.pdf
LOBANOVA_Tetiana_PORTFOLIO_Librarian.pdf
 
Основи_історичної_просвіти_—_для_перекладу.pdf
Основи_історичної_просвіти_—_для_перекладу.pdfОснови_історичної_просвіти_—_для_перекладу.pdf
Основи_історичної_просвіти_—_для_перекладу.pdf
 

UCU Apps Presentation 2020

  • 1.
  • 3. НАШІ БАКАЛАВРСЬКІ ПРОГРАМИ Програма з комп’ютерних наук (спеціальність 122 комп’ютерні науки та інформаційні технології) в першу чергу орієнтована на технічну/інженерну складову і передбачає можливості концентруватись в напрямках штучного інтелекту, програмної інженерії та людино- машинної взаємодії.
  • 4. НАШІ БАКАЛАВРСЬКІ ПРОГРАМИ Програма інформаційні технології та бізнес- аналітика (спеціальність 124 системний аналіз) орієнтована на застосування прикладних інформаційних технологій до потреб сучасного бізнесу, зокрема щодо аналітики даних, бізнес- процесів та їх автоматизації.
  • 5. ПОЄДНАННЯ ПРОГРАМ КОМП’Ю- ТЕРНІ НАУКИ 24% кредитів є з напрямку прикладної економіки та бізнесу Під час перших 2 років навчання 83% дисциплін співпадають 22% кредитів є з напрямку Світоглядного ядра та вивчення англійської мови 54% кредитів є з напрямку фундаментальної підготовки та комп’ютерних наук ІT ТА БІЗНЕС- АНАЛІТИКА
  • 9. Найсильніші студенти Професійна команда Партнерські компанії Практично-орієнтоване навчання ФОРМУЛА APPS =
  • 13. За рейтингом вишів DOU 2019 наші ІТ програми зайняли 1 місце в Україні поділивши його з НАУКМА Найкращі ІТ програми
  • 14. КОМПАНІЇ – ПАРТНЕРИ Стратегічні партнери факультету: Партнери факультету:
  • 15. 8 СЕМЕСТРІВ (4 НАВЧАЛЬНІ РОКИ) ВИКЛАДАННЯ АНГЛІЙСЬКОЮ МОВОЮ АУДИТОРНЕ 34% 66% РЕГУЛЯРНІ ЗУСТРІЧІ З ПРАКТИКАМИ ТА ВІЗИТИ ІТ-КОМПАНІЙ НАВЧАННЯ ЩОТИЖНЕВІ ІНДИВІДУАЛЬНІ КОНСУЛЬТАЦІЇ З ВИКЛАДАЧАМИ / ПОРАДНИКАМИ Англомовна школа Літні/зимові школи Практика+ проект+диплом НАВЧАЛЬНИЙ ПРОЦЕС Перший проект з програмування Досвід роботи над реальними проектами ПОЗААУДИТОРНЕ-САМОСТІЙНЕ НАВЧАННЯ ПРОЕКТНЕ НАВЧАННЯ, КЛУБИ, ВОЛОНТЕРСТВО, СТАЖУВАННЯ СВІТОГЛЯДЕН ЯДРО
  • 16. APPS У 2017-19 РОКАХ
  • 17. APPS У 2017-19 РОКАХ
  • 18. Наші студенти перемогли у П’ЯТИ та зайняли друге місце у ДВОХ хакатонах, ДВІ команди зайняли високі місця в загальноукраїнській олімпіаді з алгоритмічного програмування Студенти є активними у соціальному підприємництві, Будуй Україну Разом, роботі з дітьми, проведенні різноманітних курсів та подій Влітку 2019 року 15 студентів були на стажуваннях закордоном, зокрема у Czech Technical University, Tartu University, Ecole Polytechnic (INRIA, France), Google (London), Siemens (Germany), Scotia Bank (Canada). Також понад 15 студентів пройшли літні школи закордоном. У 2018-19 РОЦІ 100% випускників бакалаврату з комп’ютерних наук отримали роботу або продовжили навчання на магістерських програмах. Більше половини випускників працюють в R&D на дослідницьких позиціях.
  • 19. CARDIO VISION - переможці MICROSOFT AI FOR GOOD IDEA CHALLENGE 2019
  • 20. Студенти першого курсу - переможці Microsoft - The next AI Guardian 2019
  • 21. ALLEZ FENCING ASSISTANT - серед переможців Microsoft 2020 Imagine Cup EMEA
  • 22. ЩО ДАЛІ? ПІСЛЯ ЗАКІНЧЕННЯ ПРОГРАМИ ІТ аутсорсинг/ продуктова компанія / бізнес консалтинг Власні проекти Академічна сфера Програміст, менеджер проекту, бізнес-аналітик, системний адміністратор, аналітик даних, менеджер інформаційних систем, дата саєнтист, embedded роз-робник, ІоТ та Robotics розробник Магістерська програма в Україні та закордоном Достатні компетенції для реалізації власних ідей, стартапів
  • 23. Відкриття Лабораторії Машинного Навчання Активне залучення студентів до дослідницької роботи Розширення магістерської програми з наук про дані у бізнес аналітику Збільшення кількості вибіркових курсів, зокрема у форматі дуальної освіти Більше залучення студентів до внутрішніх ІТ проектів УКУ ЩО МИ робимо НОВОГО
  • 24. Хочете вчитись на факультеті?
  • 25. Навчається близько 60 годин тиждень = 10 годин в день Багатозадачність та відповідальність його/її не лякає Має високий рівень вмотивованості та етичних стандартів Готовийа жертвувати свій час допомагаючи іншим Успішнийа студентка APPS Бажає Великого!
  • 26. За два тижні до оголошення карантину ми почали технічно готуватись до такої можливості Практично жодне заняття не було пропущено через запровадження карантину – ми легко перейшли в онлайн Згідно опитування студентів 100% курсів 1го, 3го та 4го року відбуваються в онлайн режимі, 91% курсів 2го року (9% курсів – в режимі самостійного навчання) Ми першими в Україні отримали та запровадили безкоштовне навчання на Coursera для наших студентів та працівників APPS.UCU в час карантину Додатково до навчання, студенти є активні в різноманітних ініціативах, як от уроки для школярів, APPS Camp On-line, дослідницька робота
  • 27. ВСТУПНИЙ ПРОЦЕС БАЗОВИЙ СЦЕНАРІЙ березень квітень травень червень липень серпень вересень Стипендійний конкурс ЗНО ЗарахуванняПодача заявки на вступ Вступна кампанія, важливі дати – https://vstup.ucu.edu.ua/bakalavrat/vazhlyvi-daty/ Орієнтація, навчання
  • 28. ВСТУПНИЙ ПРОЦЕС РЕАЛІСТИЧНИЙ СЦЕНАРІЙ березень квітень травень червень липень серпень вересень жовтень листопад Стипендійний конкурс ЗНО ЗарахуванняПодача заявки на вступ Вступна кампанія, важливі дати – https://vstup.ucu.edu.ua/bakalavrat/vazhlyvi-daty/ Орієнтація, навчання Ми плануємо почати навчальний рік 14 вересня
  • 29. СТИПЕНДІЙНИЙ КОНКУРС березень квітень травень червень липень серпень вересень Стипендійний конкурс Соціально-академічна – 100%, 100%, 50%, 50% До 10 Від 5 Стипендії на навчання Перший етап конкурсу Другий етап конкурсу, День відкритих дверей ? Співбесіди, Листи стипендіатам Вступна кампанія, важливі дати – vstup.ucu.edu.ua/bakalavrat/vazhlyvi-daty/ Орієнтація, навчання Стипендії Річна від ІТ компаній – 100%, 100%, 50%, 50% Стипендія Рейтингова -30% до 25 Детально про Стипендійний конкурс – https://vstup.ucu.edu.ua/bakalavrat/otrymaty-stypendiyu/
  • 30. СТИПЕНДІЙНІ МОЖЛИВОСТІ І курс ІІ курс Детально про Стипендійний конкурс – https://apps.ucu.edu.ua/faculty/study/otrymaty-stypendiyu/ ІІІ курс Соціально- академічна Асистент викладача Соціально- академічна Мотиваційна Річна від компанії Рейтингова Соціальна Безпроцентна позика Соціальна Мотиваційна Асистент викладача Асистент дослідник Соціальна Мотиваційна Асистент викладача Асистент дослідник Соціальна IV курс Безпроцентна позика Безпроцентна позика Соціально- академічна Соціально- академічна Річна від компанії Річна від компанії Річна від компанії